基于全局与局部先验自适应感知的协同显著性目标检测方法

本发明属于协同显著性目标检测技术领域，涉及基于全局与局部先验自适应感知的协同显著性目标检测方法，以解决现有方法因特征提取不完备而在复杂场景下检测精度不足，以及通用分割模型(如SAM)因缺乏跨图像协同感知能力而难以直接高效适配于该任务的技术问题。本发明通过三个核心模块改进上述问题。首先，全局感知融合模块通过自底向上建模长距离跨图像依赖，增强全局特征提取；其次，局部感知增强模块实现多样化特征聚合和精细化局部表示；最后，协同感知自适应加权适配器，利用全局和局部先验促进协同学习，优化SAM的微调。本发明首次将SAM引入到协同显著性目标检测任务中端到端训练，显著提升在复杂场景下目标检测的准确性和鲁棒性。