《表1 侧输出卷积层:基于CNN与图像前背景分离的显著目标检测》
一个好的显著性目标检测网络应该足够深,这样才能学习到多层次特征。此外,它应该有多个跳跃结构,以便能够从不同尺度学习更多的内在特征。DSS的神经网络模型[18]使用VGGnet作为预训练模型,如图1所示。在每个阶段最后的卷积层添加了侧输出层(见表1)以及多个短连接结构(见图2)来学习不同尺度特征。表1中,(nk′k)中的n和k分别表示通道数和卷积核大小,Layer表示侧输出连接在哪一层,1,2,3表示每个侧输出有3个层,前两层为卷积层,最后一层为RELU层。通过融合不同尺度的特征得到最终的显著性图。
图表编号 | XD00122261500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.15 |
作者 | 东野长磊、万文鑫 |
绘制单位 | 山东科技大学计算机与工程学院、山东科技大学计算机与工程学院 |
更多格式 | 高清、无水印(增值服务) |