基于通道权重的顺序精炼RGB-D显著检测网络

摘要：

提出了一种新型的用于RGB-D显著目标检测的网络框架(SR-Net).为了有效整合多模态特征的互补性,将深度特征提取作为独立分支,采用卷积块注意模块(CBAM)进行深度特征增强,并整合增强后的深度特征与RGB特征的互补信息.为了去除冗余特征,减少背景噪声对预测结果的干扰,在上采样网络中设计了一种顺序精炼网络,即通过整合多层次、多尺度特征的互补性,获取初级全局特征,并采用基于通道权重的初级全局特征权重矩阵获取模块(PFW)获取初级全局特征的权重矩阵;其次利用获取到的权重矩阵对各层次特征进行精炼,以抑制背景噪声带来的干扰;最后,为了更好地优化整个网络,提出了一种新的损失函数.在四个公共数据集上的实验结果表明,该模型在不同的模型评价指标上均优于近年来九种先进方法,获得了优异的性能.

关键词：显著性目标检测、RGB-D、通道权重、顺序精炼

所属期刊栏目：39

分类号：TP391.41(计算技术、计算机技术)

资助基金：四川省人工智能重点实验室项目;模式识别与智能信息处理四川省高校重点实验室

在线出版日期：2022-10-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：2854-2860