多级多样化特征聚合网络

复杂场景精准分割

通过差异化聚合多级特征并抑制预测不确定性,在复杂场景下清晰完整地提取显著目标。

杨巧宁 · Jiahao, Zheng · 陈娟

Neurocomputing 2025

参数信息

对比方法数量
13
基准数据集数量
6

技术优势

特征聚合更聪明

通过差异化处理多级特征,利用多样化特征激活模块从多方向和多通道捕获显著信息,获得更多结构和细节信息,避免了无差别聚合带来的特征冗余。

减少预测混淆

多级特征融合模块有效利用多级显著特征,减少特征差异,聚合上下文语义信息和多样化显著信息,克服显著与非显著像素混淆问题,降低预测结果不确定性。

边界更完整

边缘辅助模块细化和补充显著目标的边界信息,提高对目标轮廓周围像素的理解,从而得到更精确的分割结果。

复杂场景更鲁棒

通过上下文注意力模块获取全面的上下文语义信息,学习不同显著目标间的语义相关性,在复杂场景中表现优异。

应用场景