软件学报

作者：童彪，宋晓宁，华阳，张文杰，吴小俊

单位：童彪，江南大学 人工智能与计算机学院, 江苏 无锡 21410011,宋晓宁，江南大学 人工智能与计算机学院, 江苏 无锡 21410002,华阳，江南大学 人工智能与计算机学院, 江苏 无锡 21410003,张文杰，江南大学 人工智能与计算机学院, 江苏 无锡 21410004,吴小俊，江南大学 人工智能与计算机学院, 江苏 无锡 21410005

关键词：显著性目标检测;边缘增强;差分卷积

基金：国家重点研发计划(2023YFF1105102, 2023YFF1105105); 国家社会科学基金(21&ZD166); 国家自然科学基金(61876072); 江苏省自然科学基金(BK20221535)

当前, 显著性目标检测技术正在迅速发展, 但仍然存在一些问题亟待解决. 大多数现有的显著性目标检测方法在处理高分辨率图像任务时, 存在计算资源需求过高或者检测质量较差等问题. 其次, 许多现有算法采用的传统卷积操作缺乏针对性, 无法有效增强边缘细节特征, 导致边缘分割模糊不清. 为了在降低算力消耗的同时提高物体边缘分割质量, 并提升小尺度目标的检测性能, 提出了基于边缘增强的宽解码器显著性目标检测方法. 采用残差网络和Swin Transformer组合结构作为特征编码器, 以降低算力消耗. 并且将传统卷积替换为差分卷积模块, 通过多种不同类型的差分卷积并行使用, 从图像中提取了更加丰富的边缘信息. 设计了多尺度注意力模块, 对4层不同尺度特征进行注意力计算, 以更好地关注不同大小的目标. 此外, 采用含有大卷积核的多级宽解码器, 对融合特征进行长距离的上下文建模, 减少冗余信息, 进一步提升了网络的检测性能.

来源：2026年第2期

《软件学报》期刊编辑部

查看软件学报杂志2026年第2期