计算机应用

作者：谭道强, 曾诚, 乔金霞, 张俊

单位：1. 湖北大学 计算机与信息工程学院, 武汉 430062;2. 湖北省软件工程工程技术研究中心(湖北大学), 武汉 430062;3. 智慧政务与人工智能应用湖北省工程研究中心(湖北大学), 武汉 430062

关键词：阴影检测,卷积神经网络,空间注意力,通道注意力,信息补偿机制,双向金字塔结构

基金：国家自然科学基金面上项目（61977021）；国家自然科学基金青年科学基金项目资助项目（61902114）；湖北省2019年技术创新专项（2019ACA144）。

图像中阴影区域的存在会导致图像内容的不确定性，不利于其他计算机视觉任务，因此常将阴影检测作为计算机视觉算法的预处理过程。然而，现有的阴影检测算法大多采用多级网络结构，导致模型训练困难，虽然已经提出了一些采用单级网络结构的算法，但它们只关注了局部的阴影，忽略了阴影之间的联系。针对该问题，为提升阴影检测的准确率和鲁棒性，提出了基于混合注意力模型的阴影检测方法。首先将预训练后的深层网络ResNext101作为前端特征提取网络，提取图像的基本特征；其次采用双向金字塔结构由浅入深、由深到浅的方式进行特征融合，并提出信息补偿机制减少深层语义信息丢失；然后结合空间注意力和通道注意力提出混合注意力模型进行特征融合，捕捉阴影区域和非阴影区域的差异；最后融合两个方向的预测结果从而得到最终的阴影检测结果。在公开数据集SBU、UCF上对所提方法进行可行性对比实验，结果表明，相较于DSC算法，所提方法的平衡误差率（BER）分别降低了30%和11%，说明它能够较好地抑制阴影错误检测并增强阴影细节。

来源：2021年第7期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第7期