显著性目标检测技术发展的20年间,已经有一些学者撰写了中文或英文的综述论文对特定子领域的研究进展进行总结,其中,中文综述论文主要集中在RGB显著性目标检测领域[19]、协同显著性目标检测领域[20]、视频显著性目标检测领域[21]、全景图像显著性检测领域[22]和光场显著性目标检测领域[23]。比较发现:针对RGB-D图像的显...
金融界2024年10月21日消息，国家知识产权局信息显示，安徽巨一科技股份有限公司申请一项名为“一种基于特征增强的RGB-D显著性目标检测方法”的专利，公开号CN 118762195 A，申请日期为2024年6月。专利摘要显示，本发明公开了一种基于特征增强的RGB‑D显著性目标检测方法，包括：获取RGB图像数据和D图像数据，并对RGB...
随着深度相机的发展和普及, 深度图像已经被成功应用于各类计算机视觉任务, 这也为显著性目标检测技术提供了新思路. 通过引入深度图像, 不仅能使计算机更加全面地模拟人类视觉系统, 而且深度图像所提供的结构、位置等补充信息也可以为低对比度、复杂背...
专利摘要显示，本发明公开了一种基于提示学习的RGB‑D协同显著性目标检测方法，涉及深度学习技术领域。包括：训练步骤：获取训练集；构建协同显著性目标检测网络；对训练集中的每张原始自然场景图像和对应的深度图像进行数据增强，将数据增强后的原始自然场景图像和对应的深度图像作为原始输入图像输入到卷积神经网络中进行训...
论文标题:Point-aware Interaction and CNN-induced Refinement Network for RGB-D Salient Object Detection 论文来源:ACM MM 2023 论文链接:arxiv.org/abs/2308.0893 代码链接:gitee.com/big_feather/a 1.研究背景 受人类的视觉注意力机制启发,显著性目标检测任务旨在定位给定场景中最吸引人注意的目标或区域。近年来...
RGB-D显著性目标检测(SOD)最近引起了越来越多的研究兴趣,并且出现了许多基于编码器-解码器体系结构的深度学习方法。但是,大多数现有的RGB-D SOD模型都在单个编码器或解码器阶段进行特征融合,这几乎不能保证足够的跨模态融合能力。 在本文中,我们首次尝试通过3D卷积神经网络解决RGB-D SOD。所提出的名为RD3D的模型旨...
2024年10月21日,安徽巨一科技股份有限公司宣布申请一项名为“一种基于特征增强的RGB-D显著性目标检测方法”的专利,这一创新不仅在技术层面引起了广泛关注,也为人工智能(AI)技术在各种应用场景中的应用提供了新的可能性。根据国家知识产权局的信息,该专利申请于2024年6月提交,公开号为CN118762195A,标志着该公司在AI...
现有的RGB-D显著性目标检测(SOD)模型通常将RGB和深度作为独立的信息,设计单独的网络对其进行特征提取。这种方案很容易受到有限的训练数据量的限制,或者过度依赖精心设计的训练过程。在观察到RGB和depth模式在区分显著的目标时实际上呈现某些共性后,一种新的联合学习和密集合作融合(JL-DCF)架构被设计,用于通过共享的网络...
【金融界消息】2024年12月19日,国家知识产权局最新信息显示,银江技术股份有限公司于2024年8月申请的专利——“一种基于提示学习的RGB-D协同显著性目标检测方法”正式公布,公开号为CN119131415A。该专利的提出标志着深度学习领域在目标检测技术方面的又一重要突破,具有广泛的应用潜力。
本发明提供了一种RGB‑D显著性目标检测方法,涉及图像处理领域,具体包括如下步骤:输入RGB图像和深度图像;对RGB图像和深度图像进行特征提取,分别获取RGB图像和深度图像不同层级的显著性特征;融合深层次RGB特征和深度特征之间的互补语义信息,生成跨模态联合特征;利用密集连接增强的跨模态密集协作聚合模块实现两种不同模态的...