多尺度细节增强的显著目标检测模型
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了现有显著目标检测方法在复杂情况下性能低下和泛化能力差的问题。提出的多尺度细节增强模型（MDSAM）引入了轻量级多尺度适配器和多级融合模块，有效利用多尺度和多级信息，并增强细节。实验结果显示，该模型在多个显著目标检测数据集上表现优越，具有良好的泛化能力。
该研究介绍了一种新的基于深度感知的隐蔽目标检测模型（DSAM），通过利用深度特征与RGB特征的互补性，DSAM实现了精确的分割和纠正错误部分，同时探索深度视角以精确分割高度伪装目标。DSAM在隐蔽目标检测方面取得了卓越的性能，并以更少的训练资源消耗达到了当前最先进的状态。
