基于通道权重的顺序精炼RGB-D显著检测网络

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。