来源：期刊VIP网 时间：
作者：魏明军;魏帅;刘亚志;李辉;
单位：华北理工大学人工智能学院;河北省工业智能感知重点实验室;
摘要：RGB-热成像显著目标检测(RGB-T SOD)旨在分割可见光图像和相应热红外图像中的常见突出区域。针对现有方法中没有充分利用多模态间的跨层级互补信息的问题，提出了一种用于RGB-T SOD任务的跨层级特征注意力学习网络(CALNet)。具体来说，该网络中包含一个跨层级注意力学习模块(CAL),CAL使用非局部注意力对多模态间的跨层级信息进行交互，能够充分探索不同模态和不同层级间的全局位置与局部细节线索。此外，网络还引入了全局信息模块(GIM)与多交互模块(MIB),二者能够在逐层级解码中建模和挖掘多类型信息，以实现更精准的RGB-T SOD。在公共数据集RGB-T上进行的广泛实验表明，所提出的网络与领域内先进的算法相比，取得了优异的性能。
关键词：多模态;;非局部注意力;;RGB-T;;显著目标检测;;特征融合
基金资助：河北省高等学校科学技术研究项目(ZD2022102)
