1.一种跨模态特征融合及渐近解码的显著性目标检测方法，其特征在于，包括：获取待检测图像；

通过双流Swin Transformer编码器对所述待检测图像提取多层级、多尺度的RGB特征和深度特征；

通过跨模态注意力融合模块对所述多层级、多尺度的RGB特征和深度特征进行融合，得到融合特征；

通过渐进融合解码器对所述融合特征中的高级融合特征进行解码，并在解码的过程中逐级融合低级特征。

2.如权利要求1所述的跨模态特征融合及渐近解码的显著性目标检测方法，其特征在于，通过双流Swin Transformer编码器对所述待检测图像提取多层级、多尺度的RGB特征和深度特征，包括：将深度图像复制为3通道；

通过片元分割操作将所述待检测图像分割成互不重叠的块；

分别从RGB图像和深度图像中获取4个阶段不同尺度的特征，其中RGB特征表示为深度特征表示为 每个阶段由片元融合层和多个堆叠的Swin Transformer块组成，其中第一个阶段的片元融合层由线性嵌入层替代。

3.如权利要求1所述的一种跨模态特征融合及渐近解码的显著性目标检测方法，其特征在于，通过跨模态注意力融合模块对所述多层级、多尺度的RGB特征和深度特征进行融合，得到融合特征，包括：对输入特征 的高级邻层特征 进行放缩，最高层由当前层代替以保持对齐；通过上采样操作将空间分辨率调整到与当前层级相同；将两个输入特征级联并通过卷积层将通道数与 对齐得到 将 与 级联获得多尺度特征Fi；

其中，UP(·)表示双线性插值上采样操作，Cat(·)表示级联操作，Conv(·)表示3*3卷积操作；

利用两个一维平均池化操作给多尺度特征Fi嵌入方向信息；对其进行级联并输入转换层来压缩通道；将嵌入了方向信息的特征图沿x、y方向分离，再通过编码注意力层在各自方向上生成编码注意力图，并与Fi相乘来实现通道注意力感知；

通过空间注意力模块获取空间注意力感知，并将输出与Fi相乘得到最终的融合特征其中，px和py表示水平方向和垂直方向的平均池化操作；ConvBS(·)代表由一个卷积层、BN层和Sigmoid层组成的转换层；CAx(·)和CAy(·)表示沿x、y方向上编码注意力的生成，通过一个包含Sigmoid层的卷积层来实现，SA(·)表示空间注意力层。

4.如权利要求1所述的一种跨模态特征融合及渐近解码的显著性目标检测方法，其特征在于，通过渐进融合解码器对所述融合特征中的高级融合特征进行解码，并在解码的过程中逐级融合低级特征，包括：在利用跨模态注意力融合模块获取融合特征 之后，将高级融合特征 输入到渐进融合解码器中进行解码，并在解码的过程中逐级融合低级特征；采取三个不同维度的残差卷积模块代替单独的卷积层进行解码，具体过程如下所示：其中RCMi(·)表示残差卷积模块，Cat(·)表示拼接操作，Ffinal(·)表示最终特征。

5.如权利要求4所述的一种跨模态特征融合及渐近解码的显著性目标检测方法，其特征在于，所述残差卷积模块的解码方式包括：将输入特征通过一个深度可分离卷积层和LN层；通过两个逐点卷积层调整通道数；将输入特征与输出特征相加，并通过一个上采样层调整特征尺寸，具体过程如下所示：RCM(f)＝UP(f+PW2(σ(PW1(LN(DW(f)))))) (4)其中，σ(·)是GELI激活函数，UP(·)表示上采样层，f表示输入特征，DW(·)表示深度可分离卷积层，PW(·)表示逐点卷积层，LN(·)表示正则化层。

6.如权利要求5所述的一种跨模态特征融合及渐近解码的显著性目标检测方法，其特征在于，所述方法还包括：i

从高级特征 和每一级残差卷积模块分别生成显著预测图P (i＝1，2，3，4)，并采取BCE损失和IoU损失组成的混合损失对其进行监督。

7.如权利要求6所述的一种跨模态特征融合及渐近解码的显著性目标检测方法，其特征在于，BCE损失LBCE定义为：其中，W和H分别代表图像的宽度和高度，P(x，y)表示预测坐标，G(x，y)表示真值坐标。

8.如权利要求7所述的一种跨模态特征融合及渐近解码的显著性目标检测方法，其特征在于，IoU损失LIoU定义为：其中，W和H分别代表图像的宽度和高度，P(x，y)表示预测坐标，G(x，y)表示真值坐标。

9.如权利要求8所述的一种跨模态特征融合及渐近解码的显著性目标检测方法，其特征在于，模型的整体损失L定义为：i

其中P为生成的显著预测图，G为真值图。

10.一种跨模态特征融合及渐近解码的显著性目标检测装置，其特征在于，包括：图像获取模块，用于获取待检测图像；

双流Swin Transformer编码器，用于对所述待检测图像提取多层级、多尺度的RGB特征和深度特征；

跨模态注意力融合模块，用于对所述多层级、多尺度的RGB特征和深度特征进行融合，得到融合特征；

渐进融合解码器，用于对所述融合特征中的高级融合特征进行解码，并在解码的过程中逐级融合低级特征。