《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》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于CNN与图像前背景分离的显著目标检测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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，（nk′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。