一种基于解耦对比学习的RGB-D显著目标检测方法

本发明公开了一种基于解耦对比学习的RGB‑D显著目标检测方法，结合多模态建模中的结构异质性问题，利用深度模态的频域结构优势与Transformer的长距离建模能力，设计了融合表达增强、模态协同感知与结构判别学习一体化的显著性检测框架。通过引入小波卷积与Transformer联合建模、跨模态交互并行融合机制以及像素级结构感知对比学习策略，实现了对复杂场景中显著目标区域的高精度、多尺度、边界清晰检测。本发明能够有效解决RGB与深度图模态间信息差异大、结构对齐难、边界预测模糊、特征表达能力弱等问题，显著提升了显著区域的语义一致性与结构完整性，并具备良好的跨模态泛化能力与鲁棒性。