摘要

大多数显著目标检测方法使用U-Net或特征金字塔网络（FPN）作为其基本结构。这些方法在编码器与解码器交换信息时忽略了两个关键问题：一是两者之间的干扰控制不足，二是没有考虑不同编码器块的贡献差异。在这项工作中，我们提出了一种简单的门控网络（GateNet），以同时解决这两个问题。借助多级门控单元，编码器中的有价值上下文信息可以最优地传递给解码器。我们设计了一种新颖的门控双分支结构，以促进不同特征层次之间的协作，并提高整个网络的区分能力。通过双分支设计，可以进一步恢复显著图的更多细节。此外，我们采用了基于提出的“折叠”操作（Fold-ASPP）的空洞空间金字塔池化，以精确地定位各种尺度的显著对象。广泛的实验表明，在五个具有挑战性的数据集上，所提出的模型在不同的评估指标下优于大多数现有最先进方法。