基于目标熵的特征引导网络显著目标检测

提出了一种用于复杂场景的基于目标熵的特征引导网络显著目标检测方法。首先提出多层密集连接的特征引导网络模型，实现了特征深度学习使前景和背景区域更加清晰，并抑制具有“突出”外观的非显著区域。为给不同的外观显著区域分配前景标签，在每个抽象层次上使用多尺度特征提取模块来获取多尺度的上下文信息，进一步挖掘了图像信息。另外设计了一个目标熵损失函数，有效提升了模型的收敛效果。最后在多个复杂场景数据集上的实验结果显示提出的方法的平均F-measure，加权F-measure,E-measure比现有最好的方法平均提升了0.082,0.079,0.041，而MAE则下降了0.015。实验结果说明了显著目标检测精度明显优于其他方法，而且该方法在复杂场景下的具有更好的检测效果以及更小的计算复杂度。