基于提取双选紧密特征的RGB-D显著性检测网络

扫码查看

原文链接

NETL
NSTL
万方数据
维普

中文摘要：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.

外文标题：RGB-D visual saliency detection network based on extracting bi-di-rectional selection dense features

外文关键词：

image processingRGB-D visual saliency detectioncross modal featurerecurrent residual

作者：

化春键、邹新童、蒋毅、俞建峰、陈莹

展开 >

作者单位：

江南大学机械工程学院,江苏无锡 214122

江苏省食品先进制造装备技术重点实验室,江苏无锡 214122

江南大学物联网工程学院,江苏无锡 214122

关键词：

图像处理 RGB-D显著性检测跨模态特征循环残差

基金：

国家自然科学基金

项目编号：

62173160

出版年：

2023

DOI：

10.16136/j.joel.2023.10.0443

光电子·激光

天津理工大学中国光学学会

光电子·激光

CSCD北大核心

影响因子：1.437

ISSN：1005-0086

年,卷(期)：2023.34(10)

参考文献量5