摘要
针对现有算法对不同来源特征之间的交互选择关注度欠缺以及对跨模态特征提取不充分的问题,提出了一种基于提取双选紧密特征的RGB-D显著性检测网络.首先,为了筛选出能够同时增强RGB图像显著区域和深度图像显著区域的特征,引入双向选择模块(bi-directional selection module,BSM);为了解决跨模态特征提取不充分,导致算法计算冗余且精度低的问题,引入紧密提取模块(dense extraction module,DEM);最后,通过特征聚合模块(feature aggregation module,FAM)对密集特征进行级联融合,并将循环残差优化模块(recurrent residual refinement aggregation module,RAM)配合深度监督实现粗显著图的持续优化,最终得到精确的显著图.在4个广泛使用的数据集上进行的综合实验表明,本文提出的算法在4个关键指标方面优于7种现有方法.
NETL
NSTL
维普
万方数据