EGNet：用于显著性目标检测的边缘引导网络

全卷积神经网络 (FCN) 已在显著性目标检测任务中展现出其优势。然而，大多数现有基于 FCN 的方法仍然存在目标边界粗糙的问题。在本文中，为解决这一问题，我们聚焦于显著性边缘信息与显著性目标信息之间的互补性。据此，我们提出了一个用于显著性目标检测的边缘引导网络 (EGNet)，通过三个步骤在单一网络中同时建模这两类互补信息。第一步，我们通过渐进融合的方式提取显著性目标特征。第二步，我们整合局部边缘信息和全局位置信息以获得显著性边缘特征。最后，为充分利用这些互补特征，我们将相同的显著性边缘特征与不同分辨率的显著性目标特征耦合。得益于显著性边缘特征中丰富的边缘信息和位置信息，融合后的特征有助于更准确地定位显著性目标，尤其是其边界。实验结果表明，所提出的方法在六个广泛使用的数据集上，无需任何预处理和后处理，其性能优于当前最先进的方法。源代码可在 http://mmcheng.net/egnet/ 获取。