基于双倒残差块混合聚合策略的轻量化显著目标检测模型HASNet：平衡效率与精度的新突破

本综述提出了一种创新的轻量化显著目标检测（SOD）模型HASNet，通过混合编码器架构结合卷积神经网络（CNN）与Transformer优势，设计全局倒残差块（GIRB）和轻量倒残差块（LIRB）实现跨架构特征深度聚合，显著提升模型效率与检测精度，为移动端视觉应用提供新解决方案。

　　

Highlight亮点

• •

  我们提出名为HAS的混合特征聚合策略，通过分组处理不同架构特征并实施浅层与深层聚合，高效整合跨层级信息。

• •

  针对Transformer特征设计全局倒残差块（GIRB），引入高效全局操作增强通道语义捕获能力；针对CNN特征设计轻量倒残差块（LIRB），通过扩展与收缩阶段替代线性变换，大幅降低参数量与计算成本。

• •

  大量实验表明，融合CNN与Transformer优势的HASNet在五个数据集上定量与定性评估均超越现有SOTA方法。

Heavyweight salient object detection 重量级显著目标检测

SOD任务旨在提取图像中最吸引人的区域。通常采用大量参数的卷积（如ResNet）或Transformer（如ViT）架构作为主干网络的方法称为重量级SOD。

Overview 模型概述

HASNet整体架构如图3所示。输入256×256图像经MobileViT主干编码获得五层多尺度特征X_1～5。前两层为纯CNN架构特征（富含空间几何信息），后三层为纯Transformer架构特征（蕴含全局语义信息）。

Datasets 数据集

我们在五大权威SOD数据集评估模型：DUTS（10,553训练图/5,019测试图）、ECSSD（1,000图）、HKU-IS（4,447图）、PASCAL-S（850图）和DUT-OMRON（5,168图）。遵循主流设定，使用DUTS训练集训练模型。

Limitations 局限性

尽管本方法实现了高效高精度，仍有改进空间。例如：Transformer架构的FPS仍低于CNN，可通过优化Transformer实现提升；某些特定场景（如背景色过突出）会导致检测失败（图12示例）。

Conclusion 结论

本文设计了一种基于混合架构的轻量化SOD网络。通过混合聚合策略（HAS）结合LIRB与GIRB模块，在扩展与收缩阶段优化IRB中的1×1卷积，显著降低计算与存储资源消耗。GIRB引入高效全局操作增强Transformer特征处理能力。