面向RGBD图像显著性检测的循环逐尺度融合网络

摘要：

当前很多RGB-D显著性目标检测方法尝试不同的跨模态融合策略来完成显著性目标检测,但大部分方法仅仅考虑如何对不同模态进行融合,而没有考虑模态本身.为了更好的利用模态自身特性,在这篇文章中,本文提出了一种新颖的循环逐尺度特征融合网络,根据深度图像与RGB图像本身特性,在解码器中设计了一种逐尺度特征融合策略,在每一个尺度都嵌入了一个新颖的跨模态特征融合模块,它能够帮助不同模态特征进行更好有效的融合.此外,本文还设计了一个循环编码器来进一步加强特征的融合以及跨模态特征间交互.实验结果表明,本文方法在5 个流行的基准数据集上均显著的超过之前的10 种最优方法.

关键词：显著性目标检测、RGBD、特征融合、有监督学习、跨模态

所属期刊栏目：44

分类号：TP391(计算技术、计算机技术)

资助基金：微系统重点实验室开放课题基金项目;国家自然科学基金

在线出版日期：2023-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：2276-2283