-
题名RGB深度图像显著性目标检测方法设计
- 1
-
-
作者
王雨夕
徐杨
袁旭祥
-
机构
辽宁科技大学计算机与软件工程学院
-
出处
《液晶与显示》
北大核心
2025年第4期607-616,共10页
-
基金
国家自然科学基金(No.61775169)
辽宁省教育厅科研项目(No.LJKZ0310)。
-
文摘
为了高效利用深度特征信息辅助显著性检测,实现对不同尺度特征信息的融合,本文提出了一种基于CDINet算法改进的RGB-D图像显著性目标检测算法。首先,添加了多尺度特征融合模块用来加强编码器和解码器之间特征信息的传输,有效减少浅层特征丢失,通过辅助解码器的跳跃连接获得更多的显著物体的特征信息。接着,在CDINet的网络结构尾部连接了一个循环注意力模块,通过使用面向记忆的场景理解功能,逐渐优化局部细节。最后,对损失函数进行调整,使用一致性增强损失(CEL)处理因为不同尺度特征融合产生的空间一致性等问题,并在不增加参数的情况下均匀突出显著区域。实验结果表明,改进后的模型与原CDINet算法模型相比,在LFSD数据集上的F-measure提高了0.6%,MAE下降了0.4%;在STERE数据集上的F-measure提高了0.4%,S-measure提升了0.5%。相对于其他算法模型,本模型基本满足检测性能更好、适应性更高等要求。
-
关键词
显著性目标检测
计算机视觉
边缘检测
深度学习
-
Keywords
significance target detection
computer vision
edge detection
deep learning
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
