PDNet：先验模型引导的深度增强显著性目标检测网络

全卷积神经网络（FCN）在包括显著性目标检测在内的许多计算机视觉任务中表现出色。然而，基于深度学习的显著性检测仍有两个问题需要解决。一是缺乏大量标注数据来训练网络。二是在包含复杂场景的图像中提取显著性目标时缺乏鲁棒性。在本文中，我们提出了一种新架构——PDNet，一种用于 RGB-D 显著性目标检测的鲁棒先验模型引导深度增强网络。与将图像像素的 RGB-D 值直接输入网络现有工作不同，所提架构由用于处理 RGB 值的主网络和充分利用深度线索并将基于深度的特征整合到主网络中的子网络组成。为了克服用于训练的标注 RGB-D 数据集规模有限的问题，我们使用大型常规 RGB 数据集来预训练主网络，这被证明对最终精度有很大贡献。在五个基准数据集上的广泛评估表明，我们提出的方法优于当前最先进的方法。