一种基于跨模态双向互补网络的RGB-D显著性目标检测方法
基本信息
| 申请号 | CN202210308537.9 | 申请日 | - |
| 公开（公告）号 | CN114693953A | 公开（公告）日 | 2022-07-01 |
| 申请公布号 | CN114693953A | 申请公布日 | 2022-07-01 |
| 分类号 | G06V10/46（2022.01）I;G06K9/62（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I;G06V10/80（2022.01）I;G06V10/82（2022.01）I;G06V10/774（2022.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 段松松;夏晨星;黄荣梅;孙延光;段秀真;王晶晶 | 申请（专利权）人 | 安徽理工大学 |
| 代理机构 | - | 代理人 | - |
| 地址 | 232001安徽省淮南市山南新区泰丰大街168号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明提供一种基于跨模态双向互补网络的RGB‑D显著性目标检测方法，属于图像显著性检测技术，所述方法利用RGB和depth图像的多模态数据，提取跨模态的特征用于推理输入场景的显著性目标或者区域。本发明的贡献主要在于通过从RGB和depth的鲁棒性和抗干扰性的角度出发，设计一种跨模态特征双向互补充机制。该机制利用depth特征优化RGB特征，并通过循环的方式将优化后的RGB特征用于增强depth特征。通过提出的跨模态特征双向互补充机制可以有效地处理RGB图像所遭遇的挑战性场景（低对比度，复杂背景，多目标等），并能够解决低质量深度图带来的负面影响。最后，利用深层特征指导策略集成多尺度特征，生成显著性结果。 |
