一种基于注意力的快速显著目标检测新网络
计算机视觉与模式识别
2021-12-21 v1
摘要
在当前显著目标检测网络中，最流行的方法是使用U形结构。然而，海量的参数导致更多的计算和存储资源消耗，难以部署在内存受限的设备上。其他一些浅层网络无法保持与U形结构相同的精度，而参数更多的深层网络结构无法以很快速度收敛到全局最小损失。为克服所有这些缺点，我们提出了一种具有三点贡献的新卷积网络架构：(1) 在我们改进的显著目标特征压缩与增强提取模块（ISFCREM）中使用较小的卷积神经网络（CNNs）压缩模型，以减少模型参数。(2) 在ISFCREM中引入通道注意力机制，对不同通道加权以提升特征表示能力。(3) 应用一种新的优化器在训练期间累积长期梯度信息以自适应调整学习率。结果表明，与其他模型相比，所提方法能将模型压缩至原有尺寸近1/3且不损失精度，并在六个广泛使用的显著目标检测数据集上更快更平滑地收敛。我们的代码发布于 https://gitee.com/binzhangbinzhangbin/code-a-novel-attention-based-network-for-fast-salient-object-detection.git
引用
@article{arxiv.2112.10481,
title = {a novel attention-based network for fast salient object detection},
author = {Bin Zhang and Yang Wu and Xiaojing Zhang and Ming Ma},
journal= {arXiv preprint arXiv:2112.10481},
year = {2021}
}