文献类型：期刊文章

作　　者：卞华军[1] 王华军[1] 赵赫威[1]

Bian Huajun;Wang Huajun;Zhao Hewei(School of Network Security,Chengdu University of Technology,Chengdu 610059,China)

机构地区：[1]成都理工大学网络安全学院,成都610059

出　　处：《计算机应用研究》

基　　金：四川省人工智能重点实验室项目(2020RYJ02);模式识别与智能信息处理四川省高校重点实验室(MSSB-2020-10)。

年　　份：2022

卷　　号：39

期　　号：9

起止页码：2854-2860

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、UPD、ZGKJHX、ZMATH、核心刊

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  

分 类 号：TP391.41]