RGB-T显著性目标检测综述

1

作者 吴锦涛 王安志 任春洪 《红外技术》 北大核心 2025年第1期1-9,共9页

除RGB图像外,热红外图像也能提取出对显著性目标检测至关重要的显著性信息。热红外图像随着红外传感设备的发展和普及已经变得易于获取,RGB-T显著性目标检测已成为了热门研究领域,但目前仍缺少对现有方法全面的综述。首先介绍了基于机... 除RGB图像外,热红外图像也能提取出对显著性目标检测至关重要的显著性信息。热红外图像随着红外传感设备的发展和普及已经变得易于获取,RGB-T显著性目标检测已成为了热门研究领域,但目前仍缺少对现有方法全面的综述。首先介绍了基于机器学习的RGB-T显著性目标检测方法,然后着重介绍了两类基于深度学习的RGB-T显著性目标检测方法:基于卷积神经网络和基于Vision Transformer的方法。随后对相关数据集和评价指标进行介绍,并在这些数据集上对代表性的方法进行了定性和定量的比较分析。最后对RGB-T显著性目标检测面临的挑战及未来的发展方向进行了总结与展望。 展开更多

关键词 显著性目标检测 热红外图像 RGB-T显著性目标检测 深度学习

在线阅读 下载PDF 职称材料

RGB深度图像显著性目标检测方法设计

2

作者 王雨夕 徐杨 袁旭祥 《液晶与显示》 北大核心 2025年第4期607-616,共10页

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... 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。 展开更多

关键词 显著性目标检测 计算机视觉 边缘检测 深度学习

在线阅读 下载PDF 职称材料

集成多种上下文与混合交互的显著性目标检测 被引量：1

3

作者 夏晨星 陈欣雨 +4 位作者 孙延光 葛斌 方贤进 高修菊 张艳 《电子与信息学报》 EI CAS CSCD 北大核心 2024年第7期2918-2931,共14页

显著性目标检测目的是识别和分割图像中的视觉显著性目标,它是计算机视觉任务及其相关领域的重要研究内容之一。当下基于全卷积网络(FCNs)的显著性目标检测方法已经取得了不错的性能,然而现实场景中的显著性目标类型多变且尺寸不固定,... 显著性目标检测目的是识别和分割图像中的视觉显著性目标,它是计算机视觉任务及其相关领域的重要研究内容之一。当下基于全卷积网络(FCNs)的显著性目标检测方法已经取得了不错的性能,然而现实场景中的显著性目标类型多变且尺寸不固定,这使得准确检测并完整分割出显著性目标仍然是一个巨大的挑战。为此,该文提出集成多种上下文和混合交互的显著性目标检测方法,通过利用密集上下文信息探索模块和多源特征混合交互模块来高效预测显著性目标。密集上下文信息探索模块采用空洞卷积、不对称卷积和密集引导连接渐进地捕获具有强关联性的多尺度和多感受野上下文信息,通过集成这些信息来增强每个初始多层级特征的表达能力。多源特征混合交互模块包含多种特征聚合操作,可以自适应交互来自多层级特征中的互补性信息,以生成用于准确预测显著性图的高质量特征表示。此方法在5个公共数据集上进行了性能测试,实验结果表明,该文方法在不同的评估指标下与19种基于深度学习的显著性目标检测方法相比取得优越的预测性能。 展开更多

关键词 计算机视觉 显著性目标检测 全卷积网络 上下文信息

在线阅读 下载PDF 职称材料

基于BC^(2)FNet网络的RGB-D显著性目标检测

4

作者 王峰 程咏梅 《西北工业大学学报》 EI CAS CSCD 北大核心 2024年第6期1135-1143,共9页

面对复杂的场景图像,深度信息的引入可以大大提高显著性目标检测的性能。然而,神经网络的上采样和下采样操作会模糊显著图中目标的边界,从而降低显著性目标检测性能。针对此问题,提出了一种基于边界驱动跨模态跨层融合网络(B^(C)2FNet)... 面对复杂的场景图像,深度信息的引入可以大大提高显著性目标检测的性能。然而,神经网络的上采样和下采样操作会模糊显著图中目标的边界,从而降低显著性目标检测性能。针对此问题,提出了一种基于边界驱动跨模态跨层融合网络(B^(C)2FNet)的RGB-D显著性目标检测方法。该网络在跨模态和跨层融合中分别加入边界信息引导来保持目标区域。设计了边界生成模型,分别从RGB和深度模态的低层特征中提取2种边界信息;设计边界驱动的特征选择模块,在RGB与深度模态融合过程中,聚焦重要特征信息并保留边界细节;提出了一种边界驱动的跨层融合模块,在相邻层的上采样融合过程中加入2种边界信息。通过将该模块嵌入到自顶向下的信息融合流中,预测出包含精确目标和清晰边界的显著性图。在5种标准RGB-D数据集上进行仿真实验,结果证明所提出的模型具有较好的性能。 展开更多

关键词 显著性目标检测 边界驱动 跨模态融合 跨层融合

在线阅读 下载PDF 职称材料

一种基于ConvMixer骨干的显著性目标检测模型

5

作者 张斯博 朱敬华 +1 位作者 奚赫然 杜欣月 《黑龙江大学工程学报（中英俄文）》 2024年第1期48-57,共10页

显著性目标检测(Saliency Object Detection,SOD)算法多采用基于卷积神经网络(Convolutional Neural Network,CNN)的骨干网络提取特征,然而CNN无法获取图像的长范围特征依赖。视觉转换器(Vision Transformer,ViT)将图像划分为图块(patc... 显著性目标检测(Saliency Object Detection,SOD)算法多采用基于卷积神经网络(Convolutional Neural Network,CNN)的骨干网络提取特征,然而CNN无法获取图像的长范围特征依赖。视觉转换器(Vision Transformer,ViT)将图像划分为图块(patch),通过Transformer在patch之间传播全局上下文信息获得长范围特征依赖,但Transformer的自注意力层具有二次方的时间复杂性。因此,提出一种低复杂性的基于patch的SOD算法CM-PoolNet,对经典的显著性目标检测PoolNet模型的骨干网络进行改进,使用卷积模型ConvMixer替换VGG和RestNet,提出新的特征融合方法。基于U型结构,编码器对输入图像进行Patch Embedding,送入重复堆叠的由深度可分离卷积和膨胀卷积构成的ConvMixer特征提取器中。为解码器设计了基于patch的特征融合模块。设计了BCE、SSIM和IOU 3种损失,引导模型在像素级、图块级、特征图级3级层次中学习输入图像和真值图像之间的转换。在DUTS数据集和ECSSD数据集上进行实验,结果表明:提出的模型能够有效地分割突出的目标区域,并且准确预测具有清晰边界的精细结构。 展开更多

关键词 显著性目标检测 补丁嵌入 混合损失函数 PoolNet ConvMixer

在线阅读 下载PDF 职称材料

一种基于图的流形排序的显著性目标检测改进方法 被引量：8

6

作者 吕建勇 唐振民 《电子与信息学报》 EI CSCD 北大核心 2015年第11期2555-2563,共9页

该文针对现有的基于图的流形排序的显著性目标检测方法中仅使用k-正则图刻画各个节点的空间连接性的不足以及先验背景假设过于理想化的缺陷,提出一种改进的方法,旨在保持高查全率的同时,提高准确率。在构造图模型时,先采用仿射传播聚类... 该文针对现有的基于图的流形排序的显著性目标检测方法中仅使用k-正则图刻画各个节点的空间连接性的不足以及先验背景假设过于理想化的缺陷,提出一种改进的方法,旨在保持高查全率的同时,提高准确率。在构造图模型时,先采用仿射传播聚类将各超像素(节点)自适应地划分为不同的颜色类,在传统的k-正则图的基础上,将属于同一颜色类且空间上位于同一连通区域的各个节点也连接在一起;而在选取背景种子点时,根据边界连接性赋予位于图像边界的超像素不同的背景权重,采用图割方法筛选出真正的背景种子点;最后,采用经典的流形排序算法计算显著性。在常用的MSRA-1000和复杂的SOD数据库上同7种流行算法的4种量化评价指标的实验对比证明了所提改进算法的有效性和优越性。 展开更多

关键词 显著性目标检测 改进的图模型 流形排序 边界连接性 连通区域

在线阅读 下载PDF 职称材料

面向显著性目标检测的SSD改进模型 被引量：7

7

作者 余春艳 徐小丹 钟诗俊 《电子与信息学报》 EI CSCD 北大核心 2018年第11期2554-2561,共8页

传统显著性目标检测方法常假设只有单个显著性目标,其效果依赖显著性阈值的选取,并不符合实际应用需求。近来利用目标检测方法得到显著性目标检测框成为一种新的解决思路。SSD模型可同时精确检测多个不同尺度的目标对象,但小尺寸目标检... 传统显著性目标检测方法常假设只有单个显著性目标,其效果依赖显著性阈值的选取,并不符合实际应用需求。近来利用目标检测方法得到显著性目标检测框成为一种新的解决思路。SSD模型可同时精确检测多个不同尺度的目标对象,但小尺寸目标检测精度不佳。为此,该文引入去卷积模块与注意力残差模块,构建了面向多显著性目标检测的DAR-SSD模型。实验结果表明,DAR-SSD检测精度显著高于SOD模型;相比原始SSD模型,在小尺度和多显著性目标情形下性能提升明显;相比MDF和DCL等深度学习框架下的方法,也体现了复杂背景情形下的良好检测性能。 展开更多

关键词 目标检测 显著性目标检测 去卷积 注意力残差

在线阅读 下载PDF 职称材料

基于显著性目标检测的葡萄叶片病害分割 被引量：7

8

作者 王书志 乔虹 +1 位作者 冯全 张建华 《湖南农业大学学报（自然科学版）》 CAS CSCD 北大核心 2021年第1期101-107,共7页

为提高葡萄叶片病害图像中病斑分割性能,提出了一种基于显著性目标检测的病斑分割方法。采用显著性目标检测网络来生成葡萄病害叶片图像的显著性图,通过多种分辨率的网格结构提取图像局部和全局信息,并将它们融合成预测特征;再对病害叶... 为提高葡萄叶片病害图像中病斑分割性能,提出了一种基于显著性目标检测的病斑分割方法。采用显著性目标检测网络来生成葡萄病害叶片图像的显著性图,通过多种分辨率的网格结构提取图像局部和全局信息,并将它们融合成预测特征;再对病害叶片的显著性图用自适应阈值法分割出叶片上的病害区域,并用形态学方法进行后处理。结果表明,在测试集A上,所建立的方法对病斑分割性能指标马修斯相关系数(MCC)为0.625,略低于对比算法全卷积神经网络(FCN)的0.689,但在衡量泛化性能的测试集B上,所建立方法的MCC为0.338,远高于FCN的0.072,说明所建立方法在分割精度和泛化性方面具有较好的平衡性。 展开更多

关键词 葡萄叶片病害 分割 显著性目标检测

在线阅读 下载PDF 职称材料

基于加权的K近邻线性混合显著性目标检测 被引量：5

9

作者 李炜 李全龙 刘政怡 《电子与信息学报》 EI CSCD 北大核心 2019年第10期2442-2449,共8页

显著性目标检测旨在于一个场景中自动检测能够引起人类注意的目标或区域,在自底向上的方法中,基于多核支持向量机(SVM)的集成学习取得了卓越的效果。然而,针对每一张要处理的图像,该方法都要重新训练,每一次训练都非常耗时。因此,该文... 显著性目标检测旨在于一个场景中自动检测能够引起人类注意的目标或区域,在自底向上的方法中,基于多核支持向量机(SVM)的集成学习取得了卓越的效果。然而,针对每一张要处理的图像,该方法都要重新训练,每一次训练都非常耗时。因此,该文提出一个基于加权的K近邻线性混合(WKNNLB)显著性目标检测方法:利用现有的方法来产生初始的弱显著图并获得训练样本,引入加权的K近邻(WKNN)模型来预测样本的显著性值,该模型不需要任何训练过程,仅需选择一个最优的K值和计算与测试样本最近的K个训练样本的欧式距离。为了减少选择K值带来的影响,多个加权的K近邻模型通过线性混合的方式融合来产生强的显著图。最后,将多尺度的弱显著图和强显著图融合来进一步提高检测效果。在常用的ASD和复杂的DUT-OMRON数据集上的实验结果表明了该算法在运行时间和性能上的有效性和优越性。当采用较好的弱显著图时,该算法能够取得更好的效果。 展开更多

关键词 显著性目标检测 集成学习 线性混合 加权的K近邻

在线阅读 下载PDF 职称材料

边缘信息引导多级尺度特征融合的显著性目标检测方法 被引量：1

10

作者 王向军 李名洋 +2 位作者 王霖 刘峰 王玮 《红外与激光工程》 EI CSCD 北大核心 2023年第1期253-262,共10页

针对基于FCN和U型网络架构的深度学习显著性目标检测方法提取的显著性图存在边界不清晰和结构不完整的问题,文中提出了一种基于边缘信息引导多级尺度特征融合网络(EGMFNet)。EGMFNet使用多通道融合残差块(RCFBlock)以嵌套的U型网络架构... 针对基于FCN和U型网络架构的深度学习显著性目标检测方法提取的显著性图存在边界不清晰和结构不完整的问题,文中提出了一种基于边缘信息引导多级尺度特征融合网络(EGMFNet)。EGMFNet使用多通道融合残差块(RCFBlock)以嵌套的U型网络架构作为主干模型。同时,在网络的较低层级引入具有边缘信息引导的全局空间注意力模块(EGSAM)以增强空间特征及边缘特征。此外,在损失函数中引入了图像边界损失,用于提升显著性图的质量并在学习过程中保留更加清晰的边界。在四个基准数据集上进行实验,实验结果表明,文中方法的F值较典型方法提升1.5%、2.7%、1.8%和1.6%,验证了EGMFNet网络模型的有效性。 展开更多

关键词 显著性目标检测 多尺度特征融合 边缘信息引导 空间注意力模块 边界损失函数

在线阅读 下载PDF 职称材料

基于深度学习的显著性目标检测方法综述 被引量：19

11

作者 罗会兰 袁璞 童康 《电子学报》 EI CAS CSCD 北大核心 2021年第7期1417-1427,共11页

显著性目标检测旨在对图像中最显著的对象进行检测和分割,是计算机视觉任务中重要的预处理步骤之一,且在信息检索、公共安全等领域均有广泛的应用.本文对近期基于深度学习的显著性目标检测模型进行了系统综述,从检测粒度的角度出发,综... 显著性目标检测旨在对图像中最显著的对象进行检测和分割,是计算机视觉任务中重要的预处理步骤之一,且在信息检索、公共安全等领域均有广泛的应用.本文对近期基于深度学习的显著性目标检测模型进行了系统综述,从检测粒度的角度出发,综述了将深度学习引入显著性目标检测领域之后的研究成果.首先,从三个方面对显著性目标检测方法进行了论述:稀疏检测方法,密集检测方法以及弱监督学习下的显著性目标检测方法.然后,简要介绍了用于显著性目标检测研究的主流数据集和常用性能评价指标,并对各类主流模型在三个使用最广泛的数据集上进行了性能比较分析.最后,本文分析了显著性目标检测领域目前存在的问题,并对今后可能的研究趋势进行了展望. 展开更多

关键词 显著性目标检测 深度学习 卷积神经网络 视觉显著性 弱监督学习 计算机视觉任务

在线阅读 下载PDF 职称材料

基于低级特征图最优融合的显著性目标检测 被引量：2

12

作者 王玉 彭晓明 《电子设计工程》 2017年第6期181-184,189,共5页

针对低水平特征显著性目标检测算法在检测图像时不能检测到不同大小的目标,而且精确度较低的问题。提出一种新的算法,通过将颜色分布,方向对比度以及基于频率信息这3种特征运用条件随机场进行最优全值线性融合后,得到更精确的显著性目... 针对低水平特征显著性目标检测算法在检测图像时不能检测到不同大小的目标,而且精确度较低的问题。提出一种新的算法,通过将颜色分布,方向对比度以及基于频率信息这3种特征运用条件随机场进行最优全值线性融合后,得到更精确的显著性目标。通过与10种经典的显著性目标检测算法进行的定量和定性的对比,实验结果表明,提出的算法不仅可以有效地检测到大、中、小显著性目标,而且检测的效果比其他算法精确度高。 展开更多

关键词 显著性目标检测 颜色分布 方向对比度 基于频域信息

在线阅读 下载PDF 职称材料

复杂场景下特征增强的显著性目标检测方法 被引量：1

13

作者 李波 饶浩波 《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心 2021年第11期135-144,共10页

全卷积神经网络(FCN)高效的特征提取能力极大地提升了显著性目标检测算法的性能。然而现有算法依靠简单的特征拼接或相加等融合策略无法有效地增强特征,导致算法在复杂场景中的目标误检和漏检问题依然突出。文中提出基于场景的针对性特... 全卷积神经网络(FCN)高效的特征提取能力极大地提升了显著性目标检测算法的性能。然而现有算法依靠简单的特征拼接或相加等融合策略无法有效地增强特征,导致算法在复杂场景中的目标误检和漏检问题依然突出。文中提出基于场景的针对性特征增强方法来提高显著性目标检测算法的性能。首先,目标误检多发生于背景复杂且目标和背景元素交织的场景,文中分别从特征全局性增强和特征结构化增强角度解决目标误检问题;其次,针对目标漏检一般发生在目标的内部和边缘,基于残差学习从背景中学习丢失目标的信息,修复丢失的目标内部和边缘区域;最后,在5个基准数据集上与其他13种先进的方法进行实验对比,结果表明文中所提模型的各性能评价指标均优于其他13种方法,显著地解决了复杂场景中的目标误检和漏检问题。 展开更多

关键词 全卷积神经网络 显著性目标检测 特征增强 目标误检 目标漏检

在线阅读 下载PDF 职称材料

基于超像素注意力和孪生结构的半监督高光谱显著性目标检测 被引量：1

14

作者 秦昊林 许廷发 李佳男 《兵工学报》 EI CAS CSCD 北大核心 2023年第9期2639-2649,共11页

高光谱显著性目标检测技术在伪装识别、异常检测等领域展现了惊人的潜力,并得到了广泛的关注。基于深度学习技术的神经网络模型克服了传统算法检测精度低、鲁棒性弱的缺点,但是数据标注成本限制了其进一步发展。为此提出了一种超像素注... 高光谱显著性目标检测技术在伪装识别、异常检测等领域展现了惊人的潜力,并得到了广泛的关注。基于深度学习技术的神经网络模型克服了传统算法检测精度低、鲁棒性弱的缺点,但是数据标注成本限制了其进一步发展。为此提出了一种超像素注意力孪生半监督算法,使用少量全监督数据和大量弱监督数据进行训练,有效降低了标注成本。该算法由孪生预测模块和注意力辅助模块组成,其中孪生预测模块捕获弱标签隐式约束并生成显著性结果图,注意力辅助模块利用超像素级通道注意力机制优化预测结果。新提出的超像素注意力孪生半监督算法在高光谱数据集上实现了87%的检测精度,优于其他流行算法,在有效降低标注成本的同时具有优异的显著性检测性能。 展开更多

关键词 高光谱显著性目标检测 半监督训练 孪生结构 超像素注意力机制 深度学习

在线阅读 下载PDF 职称材料

基于稀疏和低秩表示的显著性目标检测 被引量：4

15

作者 刘甜甜 《电子科技》 2015年第2期112-115,共4页

文中研究了无监督自下而上的显著性目标检测方法。基于显著性目标在自然图像中稀疏分布的这一先验性假设,提出了一种用低秩和稀疏表示进行显著性目标检测的方法。根据图像背景的先验分布,首先选取一个有效的背景字典来低秩表示图像的背... 文中研究了无监督自下而上的显著性目标检测方法。基于显著性目标在自然图像中稀疏分布的这一先验性假设,提出了一种用低秩和稀疏表示进行显著性目标检测的方法。根据图像背景的先验分布,首先选取一个有效的背景字典来低秩表示图像的背景部分,进而更好地分离出显著性前景。由于人类视觉中心偏好可知,图像的边缘部分不易引起关注,故选取这些边缘部分作为背景先验来选取背景字典。与其他基于稀疏和低秩分解的显著性目标检测相比,文中选取的背景字典更简单有效,且能得到更好的显著性图。实验结果显示,该方法比主流的显著性检测方法得到的显著性图更令人满意。 展开更多

关键词 稀疏表示 超像素分割 显著性目标检测

在线阅读 下载PDF 职称材料

跨模态融合和边界可变形卷积引导的RGB-D显著性目标检测 被引量：2

16

作者 孟令兵 袁梦雅 +3 位作者 时雪涵 张乐 吴锦华 程菲 《电子学报》 EI CAS CSCD 北大核心 2023年第11期3155-3166,共12页

RGB-Depth(RGB-D)显著性目标检测是一项有意义且具有挑战性的任务,基于现有卷积神经网络检测方法在简单场景中获得了良好的检测性能,但不能有效应对背景信息混乱,深度图质量低和目标轮廓复杂的情况.为应对上述问题,本文提出了一种跨模... RGB-Depth(RGB-D)显著性目标检测是一项有意义且具有挑战性的任务,基于现有卷积神经网络检测方法在简单场景中获得了良好的检测性能,但不能有效应对背景信息混乱,深度图质量低和目标轮廓复杂的情况.为应对上述问题,本文提出了一种跨模态融合和边界可变形卷积引导的RGB-D显著性目标检测方法.首先,本文以Swin-Transformer为特征提取器,分别对RGB模态与深度图模态进行特征提取,并通过跨模态注意力增强特征模块对两种模态特征进行融合以挖掘显著物的共性与互补特征.接着将提出的相邻多尺度特征增强模块嵌入编码器深层,以获得丰富的全局上下文特征信息,更精准地定位显著物的位置.然后通过构建一个边界特征提取解码器(U-Net架构)生成显著物的边界线索图,并重复采用跨模态融合特征确保生成显著物边界的完整性.最后,本文设计了一个边界可变形卷积引导模块,使用边界线索图与可变形卷积引导跨模态融合特征进行解码以得到更加准确的显著图.通过在6个公开基准数据集上与25种主流方法相比较,本文所提模型在多个指标上均有较明显的提升,从而证明了本文方法的有效性. 展开更多

关键词 显著性目标检测 跨模态融合 边界特征 可变形卷积 显著图

在线阅读 下载PDF 职称材料

融合注意力机制的多尺度显著性目标检测网络 被引量：11

17

作者 刘迪 郭继昌 +1 位作者 汪昱东 张怡 《西安电子科技大学学报》 EI CAS CSCD 北大核心 2022年第4期118-126,共9页

目前大多数显著性目标检测方法会受到图像复杂背景的干扰并且会出现检测结果亮度不均匀、边缘模糊的现象。针对上述问题,提出一种融合注意力机制的多尺度显著性目标检测网络方法。首先,网络以编码器-解码器架构为基础,并采用在编解码过... 目前大多数显著性目标检测方法会受到图像复杂背景的干扰并且会出现检测结果亮度不均匀、边缘模糊的现象。针对上述问题,提出一种融合注意力机制的多尺度显著性目标检测网络方法。首先,网络以编码器-解码器架构为基础,并采用在编解码过程中连接相邻层特征的多尺度特征融合方法,以便于捕捉到图像中不同尺度的显著性目标;其次,在网络中融合注意力机制,用以关注特征的空间信息和通道信息,目的是得到均匀完整且边缘更加清晰的显著性目标检测结果;最后,在编码器与解码器之间使用一种并行多分支结构即上下文特征提取模块实现不同感受野下的特征提取,进一步提升显著性目标检测性能。实验结果表明,在ECSSD显著性目标检测数据集上检测平均绝对误差MAE和F-measure指标,相较于对比网络至少有10%和0.7%的提高。所提网络不仅能准确定位显著性目标并使其均匀显示,而且在复杂背景下能够精确预测显著性目标边缘。 展开更多

关键词 显著性目标检测 注意力机制 多尺度特征融合 深度学习 图像处理

在线阅读 下载PDF 职称材料

3分支多层次Transformer特征交互的RGB–D显著性目标检测

18

作者 孟令兵 袁梦雅 +4 位作者 时雪涵 刘晴晴 程菲 黎玲利 何术锋 《工程科学与技术》 EI CAS CSCD 北大核心 2023年第6期245-256,共12页

RGB深度图像(RGB–D)显著性目标检测是计算机视觉领域的研究任务之一,很多模型在简单场景下取得了较好的检测效果,却无法有效地处理多目标、深度图质量低下及显著性目标色彩与背景相似等复杂场景。因此,本文提出一种3分支多层次Transfor... RGB深度图像(RGB–D)显著性目标检测是计算机视觉领域的研究任务之一,很多模型在简单场景下取得了较好的检测效果,却无法有效地处理多目标、深度图质量低下及显著性目标色彩与背景相似等复杂场景。因此,本文提出一种3分支多层次Transformer特征交互的RGB–D显著性目标检测模型。首先,提出一个跨模态坐标注意力模块,该模块通过采用坐标注意力抑制RGB图像和深度图的噪声信息,从而提取出更为显著的特征信息用于后续解码。其次,通过特征融合模块将高层的3层特征图调整到相同的分辨率送入Transformer层,有效地获取远距离显著性目标之间的关联关系和整幅图像的全局信息。然后,提出一个多层次特征交互模块,该模块有效地聚合多层次信息进行特征交互,从而能够更精准地定位显著性目标的位置,同时对显著性目标的边界进行细化。最后,设计一个密集扩张特征细化模块,利用密集扩张卷积获取丰富的多尺度特征,有效地应对显著性目标数量和尺寸变化。将模型在5个公开的基准数据集上与19种主流模型相比,实验结果表明:本文方法在多个测评指标上有较好的提升效果,提高了在特定复杂场景下的检测精度;从P–R(precision–recall)曲线、F–measure曲线和显著图也可以直观看出,本文方法取得了较好的检测结果,生成的显著图更完整、清晰,相比其他模型更加接近真值图。 展开更多

关键词 显著性目标检测 坐标注意力 TRANSFORMER 特征交互 密集卷积 显著图

在线阅读 下载PDF 职称材料

基于高光谱图像的近距离显著性目标检测

19

作者 皋婕 季泽华 +2 位作者 杨智钦 熊凤超 陆建峰 《新型工业化》 2021年第2期1-6,共6页

显著性目标检测是计算机视觉中一项重要的任务。基于彩色图像的显著性目标检测已经取得了很好的成果,但是在复杂场景中,基于彩色图像的目标检测方法会失效,例如当目标物体与周围环境有着相似的颜色、轮廓、纹理时。与彩色图像不同,高光... 显著性目标检测是计算机视觉中一项重要的任务。基于彩色图像的显著性目标检测已经取得了很好的成果,但是在复杂场景中,基于彩色图像的目标检测方法会失效,例如当目标物体与周围环境有着相似的颜色、轮廓、纹理时。与彩色图像不同,高光谱图像同时记录目标的二维空间信息和一维光谱相应信息,可以刻画目标的材质特性,是处理这类问题的重要方式。本文结合目标的全局材质分布特征和局部空间结构特征,提出一种有效地进行近距离显著性目标检测的方法。它将浅层局部手工特征与深层全局材质分布特征结合,利用高光谱图像蕴含的大量信息,充分提取图像的显著性。数据集上的实验结果展示了我们提出的方法的优越性。 展开更多

关键词 显著性目标检测 高光谱图像 高光谱解混 神经网络

在线阅读 下载PDF 职称材料

基于跨模态特征融合的RGB-D显著性目标检测 被引量：1

20

作者 侯倩伟 赵一洲 吴新淼 《长江信息通信》 2021年第6期5-9,17,共6页

显著性目标检测(SOD)作为目前计算机视觉以及计算机图形学领域中研究的基本课题之一,是许多其他复杂任务的预处理阶段的任务,对例如图像理解与解释、视觉追踪、语义分割,视频分析等对象级应用的发展起到了极大的推动作用。随着深度传感... 显著性目标检测(SOD)作为目前计算机视觉以及计算机图形学领域中研究的基本课题之一,是许多其他复杂任务的预处理阶段的任务,对例如图像理解与解释、视觉追踪、语义分割,视频分析等对象级应用的发展起到了极大的推动作用。随着深度传感器的普及,深度图像中蕴含的空间信息线索在显著性检测研究中提供了与RGB图像中蕴含的不同模态的辅助补充特征信息,这对于检测精度的提升来说愈发重要,因此如何有效地融合RGB与深度图像中的不同模态间的特征信息成为了RGB-D显著性目标检测课题中研究的重要问题。针对RGB与Depth模态间的特征融合问题,本文设计了一种基于跨模态特征信息融合的双流RGB-D显著目标检测网络模型,通过使用设计的跨模态特征融合模块去除某些低质量深度图带入的冗余与噪音,随后提取放大被优化改良过后的深度特征线索与RGB特征线索间的相似性与差异性,完成跨模态特征信息的有效融合。除此之外在网络编码结构的顶端增加了改良的非局部模块,通过自注意力机制更好地捕捉了的上下文信息以及像素间的长距离依赖。通过使用的两个数据集上的实验表明,这一模型在4个评价指标上取得了较好的表现。 展开更多

关键词 RGB-D显著性目标检测 特征融合 双流网络 注意力机制 深度监督

在线阅读 下载PDF 职称材料