摘要

多层级特征融合是计算机视觉领域的一个基础性课题，已被广泛应用于不同尺度下的目标检测、分割与分类任务。当多层级特征与多模态信息相结合时，如何实现最优的特征聚合以及有效的多模态学习策略，便成为亟待解决的难题。本文针对RGB-D显著目标检测固有的多模态与多层级特性，提出了一种新颖的级联精炼网络架构。具体而言，首先，我们采用分叉式主干网络策略（Bifurcated Backbone Strategy, BBS），将多层级特征重新划分为教师特征与学生特征；其次，引入深度增强模块（Depth-Enhanced Module, DEM），从通道与空间两个视角深入挖掘深度信息中的有效线索；随后，通过互补的方式实现RGB与深度模态的特征融合。所提出的网络架构被命名为分叉式主干网络（Bifurcated Backbone Strategy Network, BBS-Net），其结构简洁、高效，且不依赖特定主干网络。大量实验表明，BBS-Net在八个具有挑战性的数据集上，于五种评估指标下均显著超越了十八种当前最优（SOTA）模型，展现出优越的性能（在S-measure指标上相较排名第一的DMRA-iccv2019模型提升约4%）。此外，本文还对不同RGB-D数据集的泛化能力进行了全面分析，并为未来的研究提供了强有力的训练数据集。