左保川，張 晴

上海應(yīng)用技術(shù)大學(xué) 計(jì)算機(jī)科學(xué)與信息工程學(xué)院，上海201418

顯著性檢測(cè)旨在通過(guò)模擬人類的視覺(jué)特征來(lái)提取人類感興趣的圖像顯著區(qū)域。檢測(cè)顯著性物體需要理解整個(gè)圖像以及圖像中物體的語(yǔ)義信息和詳細(xì)結(jié)構(gòu)。因此，顯著性檢測(cè)是計(jì)算機(jī)視覺(jué)中的一個(gè)基本且具有挑戰(zhàn)性的問(wèn)題。在過(guò)去的十幾年里，隨著大數(shù)據(jù)和人工智能技術(shù)的快速發(fā)展，研究者們提出了很多經(jīng)典的顯著性檢測(cè)方法，可以應(yīng)用于多種計(jì)算機(jī)視覺(jué)任務(wù)，例如目標(biāo)識(shí)別[1]、圖像壓縮[2]和圖像修復(fù)[3]。

傳統(tǒng)算法通常采用人工選擇特征的方法檢測(cè)和分割圖像中的顯著物體，基于局部或全局對(duì)比度[4-6]，人為選擇基于像素或超像素級(jí)別的各種圖像特征（例如顏色、強(qiáng)度和直方圖），進(jìn)行顯著性計(jì)算。這些方法在簡(jiǎn)單的數(shù)據(jù)集上表現(xiàn)良好，但是當(dāng)圖像背景變得復(fù)雜時(shí)可能會(huì)檢測(cè)失敗，因?yàn)槿斯みx擇的低層特征無(wú)法有效捕獲圖像中隱藏的語(yǔ)義信息。此外，這些人為手動(dòng)選擇的特征大多是基于現(xiàn)有數(shù)據(jù)集的先驗(yàn)知識(shí)，因此在面臨實(shí)際應(yīng)用中的復(fù)雜場(chǎng)景時(shí)往往不能取得令人滿意的檢測(cè)效果。近年來(lái)，研究人員在顯著性檢測(cè)方法中引入了卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN），它展示出了出色的特征表征和學(xué)習(xí)能力，可以自動(dòng)且有效學(xué)習(xí)圖像上下文信息。卷積神經(jīng)網(wǎng)絡(luò)[7]突破了傳統(tǒng)人工特征的性能局限，并且在檢測(cè)速度方面取得了很大的提升。隨后研究者們提出了全卷積神經(jīng)網(wǎng)絡(luò)（Fully Convolutional Network，F(xiàn)CN）[8]，把全連接層變?yōu)榫矸e層，進(jìn)一步促進(jìn)了顯著性檢測(cè)的發(fā)展，提供了一種更高效和更完善的網(wǎng)絡(luò)模型，實(shí)現(xiàn)了端到端的檢測(cè)。

現(xiàn)有研究成果[9-10]表明，CNN具有金字塔狀結(jié)構(gòu)，較淺的卷積層輸出特征圖具有較大的分辨率，保留了豐富的細(xì)節(jié)信息，例如邊界和輪廓，較深的卷積層包含豐富的語(yǔ)義信息，并有助于定位顯著物體位置。據(jù)此，研究者們?cè)O(shè)計(jì)了多種用于顯著性檢測(cè)的網(wǎng)絡(luò)結(jié)構(gòu)，其中基于特征金字塔網(wǎng)絡(luò)（Feature Pyramid Network，F(xiàn)PN）結(jié)構(gòu)的顯著性檢測(cè)模型受到廣泛關(guān)注，因?yàn)樗軌蛲ㄟ^(guò)自頂而下的路徑構(gòu)造多尺度多層次的特征圖。

盡管基于卷積神經(jīng)網(wǎng)絡(luò)的方法較傳統(tǒng)方法極大提升了算法檢測(cè)性能，但仍有許多方面值得進(jìn)一步研究與改進(jìn)。首先，采用FPN 結(jié)構(gòu)的模型，深層的語(yǔ)義信息以逐層傳遞方式傳遞到淺層，由粗至精更新顯著性圖，然而在這過(guò)程中，深層特征所包含的物體位置信息等語(yǔ)義特征也同時(shí)被逐層稀釋。其次，目標(biāo)物體具有不同的大小，單一尺度的卷積核并不能有效檢測(cè)出圖像中的所有物體。

受膨脹卷積[11]和感知結(jié)構(gòu)[12-14]的啟發(fā)，本文設(shè)計(jì)了一種新的基于深層特征引導(dǎo)的顯著性物體檢測(cè)網(wǎng)絡(luò)模型，以特征金字塔網(wǎng)絡(luò)為基礎(chǔ)，主要包括：全局特征生成模塊（GGM）、殘差模塊（RM）和引導(dǎo)流（GF）。首先，本模型的GGM 由多個(gè)膨脹卷積組成，可以支持感受野成倍的擴(kuò)大而不會(huì)降低分辨率和網(wǎng)絡(luò)收斂性，進(jìn)一步提取豐富的語(yǔ)義信息。RM 是通過(guò)不同卷積核的卷積操作所得到的卷積層組成，可以提取多尺度特征。同時(shí)，在構(gòu)建自頂而下的路徑時(shí)，通過(guò)GF將來(lái)自GGM和RM模塊的特征進(jìn)行融合，在每個(gè)側(cè)輸出補(bǔ)充來(lái)自GGM 的深層語(yǔ)義信息。此外，所提模型對(duì)每個(gè)側(cè)邊的輸出進(jìn)行監(jiān)督。本文模型與近年發(fā)表的主流方法的視覺(jué)比較結(jié)果如圖1所示。

圖1 視覺(jué)比較

概括的說(shuō)，本文的主要貢獻(xiàn)如下：

（1）提出了一種基于特征引導(dǎo)的顯著性物體檢測(cè)網(wǎng)絡(luò)模型。首先，采用一個(gè)由膨脹卷積組成的全局特征提取模塊捕獲豐富的語(yǔ)義信息。然后，對(duì)于不同的側(cè)輸出，采用殘差模塊提取其多尺度特征。采用由粗至細(xì)方式，逐層更新顯著性圖。

（2）設(shè)計(jì)了一種連接方式，可以在建立自頂而下路徑的過(guò)程中，通過(guò)引導(dǎo)流來(lái)逐步融合兩個(gè)模塊所提取的特征，達(dá)到為淺層特征補(bǔ)充語(yǔ)義信息的作用。同時(shí)可以用深層語(yǔ)義信息幫助淺層特征準(zhǔn)確地定位顯著性物體的位置。

（3）與其他11種近年發(fā)表的主流模型相比，無(wú)論是定量還是定性評(píng)估，本文模型在5個(gè)廣泛應(yīng)用的公開(kāi)數(shù)據(jù)集上取得了較好的檢測(cè)性能。

1 相關(guān)工作

在過(guò)去的十年里，研究者們?cè)O(shè)計(jì)了許多顯著性檢測(cè)模型。開(kāi)拓性工作可以追溯到文獻(xiàn)[5-6]。這些早期的顯著性物體檢測(cè)方法大多數(shù)是基于人為手動(dòng)選擇的特征，例如邊界背景[6]、顏色對(duì)比度[4]和中心先驗(yàn)[15]。這些方法對(duì)內(nèi)容簡(jiǎn)單的圖像具有較高的檢測(cè)性能。然而，手動(dòng)選擇特征和先驗(yàn)知識(shí)難以捕獲顯著性物體的高級(jí)語(yǔ)義信息。

與利用人為手動(dòng)選擇特征的傳統(tǒng)方法相比，基于卷積神經(jīng)網(wǎng)絡(luò)的方法在顯著目標(biāo)檢測(cè)中大大提升了系統(tǒng)性能。Li 等人[16]將圖像調(diào)整為三個(gè)不同的比例以提取多尺度特征，然后將這些顯著圖進(jìn)行匯總以獲得最終的預(yù)測(cè)圖。Wang等人[17]設(shè)計(jì)了一個(gè)神經(jīng)網(wǎng)絡(luò)以圖像塊作為輸入提取局部信息，并將這些特征與全局對(duì)比度信息進(jìn)行融合，用來(lái)描述整個(gè)圖像。Zhao等人[18]提出使用兩個(gè)獨(dú)立的卷積神經(jīng)網(wǎng)絡(luò)，它可以同時(shí)提取局部和全局上下文信息，然后將它們進(jìn)行融合。Lee 等人[19]先用傳統(tǒng)方法提取低層次的啟發(fā)式特征（例如顏色對(duì)比度和Gabor響應(yīng)），然后和原始圖像一起作為卷積神經(jīng)網(wǎng)絡(luò)的輸入。上述方法很耗時(shí)，因?yàn)樗鼈儗D像塊作為CNN 的輸入。此外，它們忽略了重要的圖像空間信息。

為了解決上述問(wèn)題，相關(guān)研究者提出了基于全卷積神經(jīng)網(wǎng)絡(luò)的方法[20-21]。它實(shí)現(xiàn)了端到端的檢測(cè)，并且FCN 的顯著性檢測(cè)方法可以捕獲更豐富的空間信息和多尺度信息，找到最佳的多尺度融合方法來(lái)解決由下采樣操作引起的尺度空間問(wèn)題。Zhang等人[22]設(shè)計(jì)了一個(gè)混合的上采樣模塊，以減少反卷積操作引起的棋盤(pán)效應(yīng)，并融合多層次卷積特征進(jìn)行顯著性檢測(cè)。Liu 等人[23]設(shè)計(jì)了一個(gè)兩階段網(wǎng)絡(luò)，該網(wǎng)絡(luò)首先獲得粗略的顯著性預(yù)測(cè)圖，然后融合局部上下文信息以循環(huán)的方式且分層次的優(yōu)化它們。Hou等人[9]受整體嵌套邊緣檢測(cè)器（HED）[24]的啟發(fā)設(shè)計(jì)了一個(gè)短連接的方式對(duì)側(cè)輸出進(jìn)行逐步融合，然后進(jìn)行顯著性預(yù)測(cè)。Luo 等人[10]改進(jìn)了U形結(jié)構(gòu)，并使用了多級(jí)上下文信息來(lái)準(zhǔn)確定位顯著物體的位置。Zhang等人[22]將注意力機(jī)制嵌入到U形網(wǎng)絡(luò)結(jié)構(gòu)中，以引導(dǎo)特征融合過(guò)程。Zhang 等人[25]利用一個(gè)雙向結(jié)構(gòu)在FCN提取的多層次和多尺度特征之間傳輸信息，以更好地預(yù)測(cè)顯著圖。Chen等人（RAS）[26]采用逆向注意力模型來(lái)迭代地優(yōu)化其側(cè)邊輸出。

與上述方法不同，本文的方法研究如何在FCN 的基礎(chǔ)上利用特征引導(dǎo)機(jī)制來(lái)提高性能。

2 本文模型

研究人員在文獻(xiàn)[9，23，27-28]中指出，深層的語(yǔ)義信息有助于定位顯著性物體的位置，淺層和中層特征可以補(bǔ)充一些細(xì)節(jié)信息，以保證物體的完整性?；诖?，本文提出了新的顯著性物體檢測(cè)模型，利用全局特征準(zhǔn)確定位顯著物體位置，通過(guò)信息引導(dǎo)流將全局特征與側(cè)邊輸出的多尺度特征進(jìn)行融合。

2.1 網(wǎng)絡(luò)結(jié)構(gòu)

本文提出的模型基于特征金字塔網(wǎng)絡(luò)[29]，它是典型的U型結(jié)構(gòu)，具有自底向上和自頂向下兩個(gè)路徑。由于它具有組合來(lái)自分類網(wǎng)絡(luò)的多層次特征[30-31]的能力，因此許多視覺(jué)任務(wù)采用了此類網(wǎng)絡(luò)結(jié)構(gòu)。本文所提模型結(jié)構(gòu)如圖2 所示，首先，全局特征生成模塊（GGM）建立在自底而上路徑的最頂部。在這個(gè)過(guò)程中，淺層會(huì)顯現(xiàn)出一個(gè)大致的物體輪廓，隨著網(wǎng)絡(luò)的加深，細(xì)節(jié)信息會(huì)丟失，深層卷積層輸出顯現(xiàn)出一個(gè)模糊的物體。融合深層信息和淺層信息可以突顯物體的完整性，因此，將由GGM 提取的信息通過(guò)引導(dǎo)流（GF）分配到各個(gè)層次的特征圖中，具體的方法是逐像素相加，這樣做可以便于定位不同層次特征圖中顯著性物體的位置。在進(jìn)行特征融合之前，利用殘差模塊（RM）通過(guò)不同卷積核大小的卷積運(yùn)算提取不同尺度的特征以進(jìn)行多層級(jí)特征增強(qiáng)。

圖2 模型架構(gòu)

2.2 全局引導(dǎo)模塊

FPN 在自頂向下的過(guò)程中可以逐步融合來(lái)自主干網(wǎng)絡(luò)的多層次和多尺度特征。因?yàn)樽皂敹碌穆窂浇⒃谧缘锥系闹鞲删W(wǎng)絡(luò)上，所以這種結(jié)構(gòu)的問(wèn)題之一是深層的語(yǔ)義信息在傳輸?shù)降蛯訒r(shí)會(huì)逐漸被稀釋。研究表明，CNN經(jīng)驗(yàn)上的感受野比理論上要小得多，尤其是對(duì)于更深的層次。因此，對(duì)于輸入圖像，整個(gè)網(wǎng)絡(luò)的感受野不足以提取足夠的全局信息。另外，由于自頂向下的路徑中缺少深層語(yǔ)義信息，因此，本文提出了一種全局生成和特征引導(dǎo)流模塊，直接將深層特征與側(cè)輸出特征相互融合，準(zhǔn)確定位各個(gè)層次特征圖中的顯著性物體的位置，GGM模塊的詳細(xì)結(jié)構(gòu)如圖3所示。

圖3 全局引導(dǎo)模塊的詳細(xì)結(jié)構(gòu)

更具體地說(shuō)，為了有效地捕獲輸入圖像的上下文信息，受SIFT 特征提取的啟發(fā)[32]，本文利用膨脹卷積[33]獲得具有相同比例但不同感受野的特征圖。在卷積和池化的過(guò)程中卷積核的感受野是相對(duì)變大的，但是依然可以進(jìn)行進(jìn)一步的擴(kuò)大，提取更多信息。卷積核膨脹就是將卷積核擴(kuò)張到膨脹尺度約束的尺度中，并將原卷積核沒(méi)有占用的區(qū)域填充為零，這樣可以使輸出變得稠密，而且在不增加計(jì)算量的情況下，擴(kuò)大了卷積核的尺寸。將VGG-16中的conv5_3作為深層語(yǔ)義特征來(lái)提取全局信息。第一個(gè)分支利用卷積核大小為1×1 的卷積操作來(lái)降低維度，而接下來(lái)的三個(gè)分支則使用膨脹率分別為3、5和7的膨脹卷積捕獲多感受野的上下文信息。為了更好捕獲全局上下文信息，添加了全局最大池化操作作為額外的分支，然后結(jié)合來(lái)自不同分支的特征圖，采用3×3和1×1的卷積操作生成具有一個(gè)通道的特征圖作為全局特征輸出。

2.3 殘差模塊

首先使用了一個(gè)類似于inception的結(jié)構(gòu)，因?yàn)轱@著性物體檢測(cè)不針對(duì)特定目標(biāo)，不同物體在不同圖像中所占的比例、位置都不盡相同，因此，很難為卷積運(yùn)算選擇合適的卷積核大小。因此，采用不同大小的多個(gè)卷積核分別對(duì)側(cè)輸出進(jìn)行卷積操作，從而提取多尺度的側(cè)輸出信息。

此外，受殘差網(wǎng)絡(luò)[30]啟發(fā)，在上述結(jié)構(gòu)的基礎(chǔ)上，本文提出了一種殘差結(jié)構(gòu)模塊來(lái)提取多尺度特征。利用殘差結(jié)構(gòu)第一是為了加快訓(xùn)練時(shí)間，使模型收斂速度更快，第二是為了加強(qiáng)上下文之間的聯(lián)系，原始的卷積層經(jīng)過(guò)一系列操作后再與原始的卷積層融合可以提取更多細(xì)節(jié)信息，進(jìn)行進(jìn)一步的特征優(yōu)化和調(diào)整。殘差模塊的細(xì)節(jié)信息如圖4所示。卷積核大小會(huì)影響訓(xùn)練時(shí)間，為了保證模型的統(tǒng)一性且不增加過(guò)多的參數(shù)，不宜采用過(guò)大的卷積核，因此，本模型以卷積層的最小尺寸為基礎(chǔ)，采用三個(gè)具有不同卷積核大小（1×1，3×3，5×5）的卷積層在降維的同時(shí)生成三種特征圖。為了獲得多尺度的上下文信息，將這些特征圖和原始卷積層進(jìn)行結(jié)合，得到fcat，然后通過(guò)一個(gè)3×3 和一個(gè)1×1 卷積的運(yùn)算獲得只含有一個(gè)通道的特征圖。

圖4 殘差模塊的結(jié)構(gòu)

2.4 損失函數(shù)

該模型的最終損失為所有側(cè)邊輸出損失的總和，由以下公式表示：

其中，lk表示第k個(gè)側(cè)輸出的損失，K表示輸出的總數(shù)，αk是每個(gè)輸出的權(quán)重。在本文中，將每個(gè)側(cè)輸出的αk設(shè)置為1。

在本文中，選擇二值交叉熵?fù)p失函數(shù)作為模型的損失函數(shù)，它是交叉熵?fù)p失函數(shù)的一個(gè)特例且是二分類問(wèn)題中常用的一種損失函數(shù)，顯著性檢測(cè)可以看做是一個(gè)二分類問(wèn)題，其結(jié)果用0和1兩種類別來(lái)表示，0代表圖像背景，1 代表顯著性物體，模型會(huì)通過(guò)一個(gè)sigmoid 函數(shù)輸出概率值。概率值越大，表示該像素為顯著性物體的可能性越大。具體公式如下：

其中，H、W表示圖像的高度和寬度，Gxy∈(0,1)是像素(x,y)的真值圖標(biāo)簽，Sxy表示相應(yīng)的成為顯著性物體的概率。另外，通過(guò)雙線性插值法將6個(gè)顯著性預(yù)測(cè)圖上采樣到與真值圖相同的大小，最后，使用Sigmoid 函數(shù)將預(yù)測(cè)圖的值歸一化為[0，1]。

3 實(shí)驗(yàn)結(jié)果

3.1 數(shù)據(jù)集和評(píng)估指標(biāo)

數(shù)據(jù)集：為了評(píng)估模型的性能，本模型在五個(gè)具有代表性的公開(kāi)數(shù)據(jù)集進(jìn)行了實(shí)驗(yàn)，這些數(shù)據(jù)集包括ECSSD[34]、HKU-IS[35]、PASCAL-S[36]、DUT-OMRON[6]、DUTS-TE[37]。ECSSD 具有1 000 幅語(yǔ)義信息豐富的復(fù)雜結(jié)構(gòu)圖像。HKU-IS是一個(gè)較大的數(shù)據(jù)集，包含4 447幅復(fù)雜圖像，其中大多數(shù)具有兩個(gè)或多個(gè)顯著性物體。PASCAL-S 具有850 張背景和前景復(fù)雜的圖像。DUTOMRON 數(shù)據(jù)集包含5 168 張圖像，雖然大多數(shù)圖像只有一個(gè)顯著性物體但具有數(shù)百種不同的類別。DUTS-TE數(shù)據(jù)集由于其多樣性和數(shù)量龐大的特性，已廣泛應(yīng)用于相關(guān)的顯著性檢測(cè)模型。

評(píng)估指標(biāo)：本文使用四個(gè)指標(biāo)評(píng)估模型性能：準(zhǔn)確率-召回率（PR）曲線、F-measure、ωF-measure和平均絕對(duì)誤差（MAE）。

顯著圖的準(zhǔn)確率和召回率是通過(guò)將預(yù)測(cè)圖與真值圖相比，預(yù)測(cè)圖中預(yù)測(cè)正確的像素所占的比例來(lái)計(jì)算的，從0 到255 的閾值得到一系列相對(duì)的準(zhǔn)確-召回值，繪制PR曲線。

F-measure可以評(píng)估顯著性圖的質(zhì)量，通過(guò)準(zhǔn)確率和召回率的加權(quán)調(diào)和平均得到：

其中，β2設(shè)置為0.3，和以前的論文[38]一樣。與Fβ類似，ωF-measure用Precisionω和Recallω的加權(quán)調(diào)和平均值計(jì)算。

MAE得分用來(lái)評(píng)估顯著圖S與真值圖G之間的平均像素差值：

3.2 實(shí)施細(xì)節(jié)

本文分別選擇VGG-16[31]和Resnet[39]作為主干網(wǎng)絡(luò)，使用DUTS-TR 數(shù)據(jù)集訓(xùn)練模型。在訓(xùn)練過(guò)程中，每個(gè)輸入圖像的大小均調(diào)整為320×320，除主干網(wǎng)外，其他卷積層均由Xavier 初始化[40]，且使用Adam 優(yōu)化器[41]優(yōu)化本文的網(wǎng)絡(luò)，并將一些超參數(shù)設(shè)置為默認(rèn)值，其中初始學(xué)習(xí)率為5E－5，權(quán)重衰減為5E－4。參照文獻(xiàn)[31]中的建議，本文模型在訓(xùn)練時(shí)未使用驗(yàn)證集，訓(xùn)練損失穩(wěn)定時(shí)停止訓(xùn)練。所有上采樣操作均使用雙線性插值的方法。本文所提的網(wǎng)絡(luò)模型在公開(kāi)可用的框架Pytorch 0.4.0[42]上實(shí)現(xiàn)。

3.3 消融實(shí)驗(yàn)

通過(guò)組合不同模式的GGM、RM 和GF 進(jìn)行消融實(shí)驗(yàn)，以說(shuō)明所提各模塊的有效性。表1顯示了在數(shù)據(jù)集ECSSD和DUTS-TE上的性能比較結(jié)果。

表1 在兩個(gè)流行數(shù)據(jù)集上的消融實(shí)驗(yàn)的對(duì)比結(jié)果

RM。簡(jiǎn)單地將RM嵌入基礎(chǔ)網(wǎng)絡(luò)中可以提高檢測(cè)性能。這可能是因?yàn)榕c原始卷積層相比，RM使用不同大小的卷積核擴(kuò)大了整個(gè)網(wǎng)絡(luò)的感受野，并且還表明FPN 結(jié)構(gòu)仍需要結(jié)合更多來(lái)自不同尺度和不同層次的特征圖。

RM+GF。在上述模型基礎(chǔ)上增加了信息引導(dǎo)流，但用普通的卷積核1×1 代替了GGM，并降成一個(gè)通道的特征圖。由于深層特征圖含有豐富的語(yǔ)義信息可以為淺層特征圖補(bǔ)充信息，因此檢測(cè)效果有所提升。

GGM+GF。GGM 和GF 的組合方式優(yōu)于前兩種情況。來(lái)自GGM的全局信息使模型能夠更加專注于顯著性物體的完整性，從而提高預(yù)測(cè)顯著圖的質(zhì)量。

GGM+RM+GF。這種組合方式可以進(jìn)一步提高整個(gè)網(wǎng)絡(luò)的性能。利用這些模塊可以使模型擁有準(zhǔn)確定位顯著性物體的位置和完善邊界信息的強(qiáng)大能力。圖5是可視化效果比較。

圖5 消融實(shí)驗(yàn)的視覺(jué)對(duì)比結(jié)果

3.4 與經(jīng)典模型比較

本文所提模型與11種近年發(fā)表的主流方法進(jìn)行比較，包 括UCF[22]、RFCN[43]、DHS[23]、Amulet[44]、DCL[20]、NLDF[10]、DSS[9]、PAGRN[45]、C2S[46]、PiCANet[47]、RAS[26]，其中UCF 是典型的編碼和解碼結(jié)構(gòu)，只是用深層次特征生成最終的特征圖，缺少淺層的細(xì)節(jié)特征。DSS、DCL、DHS 和NLDF 先提取多尺度和多層次特征，然后用上采樣進(jìn)行逐層次融合生成最終的顯著圖。Amulet和C2S 加入了邊界約束，進(jìn)一步補(bǔ)充顯著圖的邊界信息。RAS 和PiCANet 則是在多尺度和多層次特征的基礎(chǔ)上加入了注意力機(jī)制。最后RFCN和PAGRN則是加入了循環(huán)結(jié)構(gòu)，RFCN額外添加了先驗(yàn)圖作為引導(dǎo)信息，而PAGRN加入了注意力機(jī)制。這些模型都沒(méi)有注重深層特征的重要性。本文模型充分利用了深層的特征。

定量比較：表2是所提模型和主流方法在五個(gè)公開(kāi)數(shù)據(jù)集上的比較結(jié)果。其中DCL、DSS兩個(gè)模型采用了全連接條件隨機(jī)場(chǎng)（CRF）的后處理技術(shù)。從表2中可以看到，本文模型的性能仍幾乎超過(guò)了所有模型，整體性能最佳。為了進(jìn)行更直觀的比較，本文還展示了在五個(gè)數(shù)據(jù)集上的PR曲線，如圖6所示。可以看出，與其他經(jīng)典的方法相比，本文模型（紅色）的PR 曲線幾乎領(lǐng)先或持平于其他模型。在PASCAL-S數(shù)據(jù)集中，本文的準(zhǔn)確率和召回率略低于PAGRN 和PiCANet，可能是因?yàn)檫@兩個(gè)模型中加入了循環(huán)機(jī)制和注意力機(jī)制，但總體而言，本文模型預(yù)測(cè)的顯著性圖的質(zhì)量更高。

圖6 本文算法的PR曲線與經(jīng)典算法在5個(gè)數(shù)據(jù)集上的比較

表2 在5種基準(zhǔn)數(shù)據(jù)集上的性能比較

視覺(jué)比較：為了進(jìn)一步證明本文提出的模型的優(yōu)越性，在圖7 中展示了一些視覺(jué)比較結(jié)果。從頂部到底部，圖像的場(chǎng)景分別包括大物體、小物體、前景和背景之間的低對(duì)比度以及含有復(fù)雜的物體結(jié)構(gòu)?？梢悦黠@看出，本文模型不僅可以預(yù)測(cè)正確且較完整的顯著性物體，而且可以保持清晰的邊界。

圖7 與經(jīng)典模型的視覺(jué)對(duì)比結(jié)果

4 結(jié)語(yǔ)

本文提出了一種顯著性物體檢測(cè)模型，通過(guò)設(shè)計(jì)和實(shí)現(xiàn)全局特征生成模塊（GGM）和殘差模塊（RM），研究多尺度和多層次特征的提取與融合，尤其是深層語(yǔ)義信息的利用。實(shí)驗(yàn)結(jié)果表明，該模型可以在五個(gè)廣泛使用的基準(zhǔn)數(shù)據(jù)集較現(xiàn)有的主流網(wǎng)絡(luò)具有較好的檢測(cè)性能，此外，本文設(shè)計(jì)的模塊獨(dú)立于網(wǎng)絡(luò)結(jié)構(gòu)，可以靈活地應(yīng)用于基于特征引導(dǎo)的模型。在以后的研究中，將探討注意力機(jī)制對(duì)顯著性檢測(cè)中不同通道和區(qū)域的影響。