摘要

当前大多数显著目标检测方法都采用具有大型骨干网络的深层网络来生成更准确的预测，这导致计算复杂度显著增加。许多网络设计遵循纯UNet和特征金字塔网络（FPN）架构，但这些架构在特征提取和聚合能力方面存在局限性，因此我们设计了一种轻量级的后解码器精炼模块——交叉后解码器精炼（CPDR），以增强标准FPN或U-Net框架的特征表示。具体而言，我们引入了注意力下采样融合（ADF），该方法利用由高层次表示生成的通道注意力机制来精炼低层次特征；以及注意力上采样融合（AUF），通过空间注意力机制利用低层次信息引导高层次特征。此外，我们在ADF和AUF的基础上提出了双注意力交叉融合（DACF），该方法在减少参数数量的同时保持了性能。在五个基准数据集上的实验表明，我们的方法优于之前的最先进方法。