基于通道权重的顺序精炼RGB-D显著检测网络

分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2022-04-07 合作期刊: 《计算机应用研究》

卞华军 王华军 赵赫威

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，convolutional block attention module)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。为了去除特征冗余，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，primary global feature weight matrix acquisition module)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，为了更好的优化整个网络，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9种先进方法，获得了优异的性能。

 点击量 284  下载量 107  评论