复杂场景下基于深度监督学习的显著性目标检测方法研究

• 作 者: InamUllah
• 出 处: 山东大学
• 发表日期: 2020年01期

显著目标检测旨在检测和分割图像中最显著的区域。它在许多计算机视觉任务中起着至关重要的作用,如视觉跟踪、目标识别、图像编辑、图像检索、视频分析和机器人导航。传统方法主要通过颜色和对比度等人工定义的特征来捕获局部细节并相应地生成显著图。然而,这些方法不能捕获高级语义信息,在复杂的任务场景中难以精准定位和分割显著的完整目标。近年来,卷积神经网络极大地推动了显著目标检测研究的发展,它可以同时提取到低层细节和高层语义信息。得益于类似金字塔的网络结构和下采样操作（例如池化和卷积）,所提取的低级特征包含更多细节信息,但也充满背景噪声。而高层特征虽然具有较小的空间尺寸,但却可以保留更多的语义知识,有助于显著目标检测并抑制背景噪声。因此,采用合适的方法来融合两类特征以生成准确的显著图是至关重要的研究问题。基于上述发现,研究者提出了许多显著性检测方法。尽管这些方法取得了较好的性能,但仍有几个问题有待解决。首先,基于卷积神经网络的方法在分割不同尺度的显著对象方面存在困难。一些技术通过逐层集成多层次特征来解决该问题。然而,这种简单的融合策略不能充分利用多尺度上下文特征。第二,由于金字塔融合结构,高层语义逐步传输到较低层。因此,更深层次捕获的高层语义特征可能会在逐层融合过程中被弱化。因此,预测结果偏向前景区域。第三,部分方法使用金字塔池化模块来应用层内多尺度信息,但鲜有研究注意到感受野大小的差异,这会产生网格问题,导致性能下降。第四,多数工作使用标准的二元交叉熵损失函数。它为所有像素指定相等的权重,这导致所得到的显著图的边界模糊问题。为此,一些工作通过迭代和反向传播进行深度监督训练以细化边界信息。但是,显著对象边界没有显式建模。此外,一些方法使用条件随机场作为后处理手段来保留边缘,导致较大的时间成本。为解决上述挑战,本文提出了通过采用复杂的多尺度和多层次融合方案来学习丰富上下文信息的方法。该方法主要集中于解决尺度相关问题、自上而下传播过程中的特征信息损失问题、在不减少特征信息的情况下增大感受野的尺寸以及生成具有更精确边界的显著对象的问题。本文的主要工作和贡献如下:1.为了解决简单逐层集成方法中无法分割不同尺寸对象的问题,本文提出了一种基于多尺度分析的多个监督信息输出的方法。该方法通过添加多种传统卷积和空洞卷积操作来细化低层和高层特征。该方法在编码器-解码器中使用跳转和短连接来逐步引导低层特征。嵌入的递归卷积层和具有加权二元交叉熵函数的多重监督增强了显著目标检测能力,并以更精确的边界分割出显著目标。2.为了解决ASPP和PPM等多尺度模块在自顶向下传播过程中性能下降和上下文特征信息损失的问题,本文提出了一种全局上下文感知多尺度特征聚合（GCMANet）方法。该方法可以学习到相邻和交叉相邻的特征,以处理不同尺度的对象。为了避免网格化或稀疏连接问题,并同时提取出具有大感受野的丰富上下文特征,本文使用了k×1和1×k的大内核,这些内核提供了比ASPP更密集的连接和更少的参数。此外,所提方法通过利用全局上下文流模块和自交互学习模块有效避免了高层语义特征在逐层融合过程中被弱化的问题,引导模型关注显著区域,抛弃非显著区域。在五个公共数据集上将本文方法与19种方法进行了比较。实验结果表明,本文方法在五个指标上取得了较好的性能。3.为了解决物体尺度不一致导致的分割困难问题,以及二元交叉熵对所有像素同等重要而产生模糊边界的问题,本文提出了边缘感知堆叠注意细化网络（ESARNet）。该网络综合利用了一种新的交叉特征集成（CFIM）和边缘感知引导模块（EGM）,其中,CFIM以不同的尺度提取显著对象的子区域,EGM采用联合边缘学习方法,以保持更清晰的边界。此外,多尺度特征提取模块可以提取出包含更丰富语义信息的特征,并且从上到下的短连接操作消除了上下文特征信息损失的问题。在五个基准数据集上的实验结果表明所提方法在多个评估指标上均取得了较好的性能。