计算机科学与探索

作者：化春键, 姚烨涛, 蒋毅, 俞建峰, 陈莹

单位：1. 江南大学 机械工程学院，江苏 无锡 2141222. 江苏省食品先进制造装备技术重点实验室，江苏 无锡 2141223. 江南大学 物联网工程学院，江苏 无锡 214122

关键词：图像处理,显著性检测,深度学习,特征增强,渐进式解码

基金：国家自然科学基金（62173160）。

针对现有的大多数RGB-D显著性检测方法在特征提取过程中难以有效提取多尺度特征以及在解码过程中模态特征信息交互不充分导致信息丢失的问题，提出了一种特征增强和渐进式解码的RGB-D显著性检测方法。针对多尺度特征提取困难，导致算法对多目标、小目标物体检测精度低的问题，构建了多尺度自注意力特征增强模块；为了充分发挥两种模态特征的优势，构建了跨模态特征融合模块，以增强不同模态分支之间的信息交互；为了解决解码过程中信息易丢失的问题，提出了渐进式加权融合解码器，充分整合细化不同模态的特征信息；对逐层解码的结果采用混合损失函数监督训练，实现初始显著图优化。在5个公开基准数据集上与10种先进主流方法进行的对比实验表明，该方法在5个指标上均有较优表现。实验结果表明，该方法在多种复杂情况下都能获得相对精确的显著图，达到了较为先进的性能。

来源：2025年第9期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2025年第9期