深层特征聚合引导的轻量级显著性目标检测

来源：计算机工程与应用杂志2023年第19期北京时间：

作者：李俊文, 张红英, 韩宾

单位：1.西南科技大学 信息工程学院，四川 绵阳 621010；2.西南科技大学 特殊环境机器人技术四川省重点实验室，四川 绵阳 621010

摘要：目前显著性目标检测的研究大都是追求性能，而忽略了效率，导致实用性较差。为此，提出一个高效且轻量的网络模型，利用特征复用的思想构建了一种特征提取子网络（LFRM）来充分提取与聚合轻量级特征提取网络的深层特征信息，并生成初始粗糙显著预测图，来用于后续低层特征的定位目标指导；针对各阶段特征层之间的差异，构建了一种跨层交互聚合模块（CIAM）来有效进行空间信息与语义信息的聚合，并减少冗余信息；构建了一种边缘细化模块（ERM）来充分获取和利用边缘轮廓信息，同时采用一种渐进式自引导损失来增强边缘信息彼此的依赖性。最终的网络只有3.48×106的参数，且对于352×352的图片，在单张GTX 1080Ti显卡上能够达到108?FPS的运行速度。对五个基准公开数据集的测试结果表明，所提出的模型拥有跟目前最先进的SOD方法相当甚至更好的性能，同时具有更小的参数以及更快的速度。

关键词：显著性目标检测,轻量级,特征提取,边缘信息