FIPGNet：具有特征交互策略的金字塔嫁接网络
计算机视觉与模式识别
2024-07-08 v1
摘要
显著性目标检测旨在识别图像中最吸引视觉注意力的物体。目前，最先进的显著性目标检测方法采用金字塔嫁接网络架构。然而，金字塔嫁接网络架构仍然存在无法准确定位显著目标的问题。我们观察到，这主要是由于当前的显著性目标检测方法简单地聚合了不同尺度的特征，忽略了不同尺度特征之间的相关性。为了克服这些问题，我们提出了一种新的显著性目标检测框架（FIPGNet），它是一个具有特征交互策略的金字塔嫁接网络。具体来说，我们提出了一种基于注意力机制的特征交互策略（FIA），该策略创新性地引入了空间代理交叉注意力（SACA）来实现多级特征交互，从空间角度突出重要空间区域，从而增强显著区域。以及通道代理交叉注意力模块（CCM），用于有效连接主干网络提取的特征和使用空间代理交叉注意力模块处理后的特征，消除不一致性。最后，在这两个模块的作用下，解决了当前金字塔嫁接网络模型中的显著目标定位问题。在六个具有挑战性的数据集上的实验结果表明，所提出的方法在四个指标上优于当前12种显著性目标检测方法。
引用
@article{arxiv.2407.04085,
title = {FIPGNet:Pyramid grafting network with feature interaction strategies},
author = {Ziyi Ding and Like Xin},
journal= {arXiv preprint arXiv:2407.04085},
year = {2024}
}
备注
arXiv admin note: text overlap with arXiv:2309.08365 by other authors