来源：期刊VIP网 时间：
作者：罗骞;杨晓波;李建邦;许应成;周明强;王怡彤;
单位：西藏民族大学信息工程学院;
摘要：针对西藏室内复杂纹理背景下显著性目标检测算法难以全面标记显著区域的问题，在A2SNet模型基础上提出改进的MA2SNet模型。引入高效通道注意力模块，增强预训练模型对复杂场景的检测能力；添加基于区域扩张的冲量策略，结合高置信度标签和噪声线索，提高伪标签的全面性和准确性；改进实时标签纠正策略，实时优化伪标签质量。采用深度学习的无监督显著性目标检测方法，降低了为众多物品手动注释标签的人力成本。实验结果表明，F2和召回率相较于基线模型，在西藏数据集和公共数据集都有所提高，可稳定、全面地检测图像占比大于40%的单物体显著目标。
关键词：无监督学习;;显著性目标检测;;西藏古建筑;;冲量扩张;;室内检测
基金资助：西藏民族大学科研项目（22MYD018）
