抑制とバランス：注目物体検出のための単純なゲートネットワーク

大多数显著物体检测方法使用U-Net或特征金字塔网络（FPN）作为其基本结构。这些方法在编码器与解码器交换信息时忽略了两个关键问题：一是它们之间缺乏干扰控制，二是没有考虑不同编码器块的贡献差异。本研究中，我们提出了一种简单的门控网络（GateNet），以同时解决这两个问题。通过多级门单元的帮助，可以从编码器最优地传输有价值的情境信息到解码器。我们设计了一种新颖的门控双分支结构，以构建不同特征层级之间的协作，并提高整个网络的辨别能力。通过双分支设计，可以进一步恢复显著图的更多细节。此外，我们采用了基于提出的“折叠”操作（Fold-ASPP）的空洞空间金字塔池化，以精确地定位各种尺度的显著物体。在五个具有挑战性的数据集上进行的广泛实验表明，所提出的模型在不同的评估指标下优于大多数最先进的方法。