采用特征优化和引导的显著目标检测研究

来源：计算机工程与应用杂志2024年第18期北京时间：

作者：吴文介, 王丰

单位：广东工业大学 信息工程学院，广州 510006

摘要：针对目前深度图存在对比度不明显和预测图边界模糊等问题，提出了一种新型显著目标检测网络模型。该模型包括特征优化模块和特征引导模块。为了降低低质量深度图的负面影响，并精确地突出显著目标，在特征优化模块对深度图的各层特征进行混合注意力计算并进行双向融合。为解决边界模糊问题，在特征引导模块利用引导融合的方式引入低层特征来精细化目标边界。在解码阶段，引入不增加模型参数的权值计算方法，计算RGB特征和深度特征对最终预测的贡献比重。通过与近年来十二种先进方法进行的对比实验表明，所提算法模型在NJU2K、NLPR、DES、SIP、STERE和LFSD测试数据集上具有更优秀的检测性能，其中在SIP数据集上，提出的模型与第二名相比，最大F值提升了1.3%，平均F值提升了1%，E-measure提升了1.7%，S-measure提升了1.5%，消融实验证明了所提模块的有效性。

关键词：深度图,显著目标检测,混合注意力,特征融合