免費(fèi)論文查重認(rèn)準(zhǔn)CNKI論文查重，專(zhuān)為高校論文檢測(cè)、畢業(yè)論文查重、碩士論文查重誕生的論文檢測(cè)入口平臺(tái)，CNKI論文查重系統(tǒng)涵蓋海量的數(shù)據(jù)庫(kù)，為畢業(yè)生解決各種煩惱，論文查重軟件免費(fèi)為各種有論文檢測(cè)、論文查重需求的人提供，論文查重認(rèn)準(zhǔn)CNKI查重！
發(fā)布時(shí)間：2023-09-28 21:29:43 作者：知網(wǎng)小編 來(lái)源：m.ld2008.cn
對(duì)高層特征和低層特征分別使用通道注意力和空間注意力來(lái)獲得更精確的細(xì)節(jié)。 除了邊緣信息之外，還有一些其他信息同樣被用來(lái)增強(qiáng)顯著性目標(biāo)檢測(cè)的效果，如： （1）S4Net [10]：對(duì)由骨干網(wǎng)絡(luò)提取出的特征，S4Net除了設(shè)計(jì)顯著性特征分支外，還使用了mask R-CNN結(jié)構(gòu)來(lái)設(shè)計(jì)額外的分支。
盡管現(xiàn)有的顯著性目標(biāo)檢測(cè)模型檢測(cè)性能不錯(cuò)，但是在顯著性物體的邊緣的檢測(cè)上仍然不夠準(zhǔn)確，尤其是在前景和背景對(duì)比度低，背景復(fù)雜等等情況下。 基于此，眾多研究者提出了自己的邊緣強(qiáng)化方案，這些方案大致可以劃分為兩種：（1）通過(guò)引入外部知識(shí)庫(kù)（即新的邊緣數(shù)據(jù)集）的方法來(lái)強(qiáng)化模型在顯著性目標(biāo)邊緣上的檢測(cè)；（2）通過(guò)設(shè)計(jì)邊緣敏感損失函數(shù)，來(lái)使模型更關(guān)注在邊緣上的像素點(diǎn)的預(yù)測(cè)。
回顧2019年，顯著性目標(biāo)檢測(cè)在邊緣上做了許多工作，同時(shí)也提供了許多新的數(shù)據(jù)集，其中不乏一些分支領(lǐng)域的開(kāi)山之作。 本文可能沒(méi)有將所有頂會(huì)的顯著性論文包含在內(nèi)，如有疏漏還請(qǐng)大家見(jiàn)諒。
傳統(tǒng)的顯著性目標(biāo)檢測(cè)任務(wù)是一種二值分割任務(wù)，2019年，許多研究者在傳統(tǒng)任務(wù)上進(jìn)行拓展，使顯著性目標(biāo)檢測(cè)面臨更多新的挑戰(zhàn)。 按使用場(chǎng)景不同，本節(jié)分為（1）視頻級(jí)顯著性目標(biāo)檢測(cè)；（2）RGBD顯著性目標(biāo)檢測(cè)；（3）高分辨率顯著性目標(biāo)檢測(cè)；（4）弱監(jiān)督顯著性目標(biāo)檢測(cè)。
