经过10余年的发展,显著性目标检测任务已经衍生出包括面向RGB图像的显著性目标检测[8,9]、面向高分辨率RGB图像的显著性目标检测[10]、面向RGB-D图像的显著性目标检测[11]、面向图像组的协同显著性目标[12]、面向RGB-T图像的显著性目标检测[13]、面向光场图像的显著性目标检测[14,15]、面向全景图像的显著性目标检...
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...
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...
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图像数...
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...
位置等补充信息也可以为低对比度、复杂背景等困难场景的检测提供新的解决方案. 鉴于深度学习时代下RGB-D显著目标检测任务发展迅速, 旨在从该任务关键问题的解决方案出发, 对现有相关研究成果进行归纳、总结和梳理, 并在常用RGB-D SOD数据集上进行...
自深度传感器的普及以来,RGB-D显著物体检测(Salient object detection,SOD)任务成为热门研究主题[1],因为深度图蕴含的额外空间信息能够作为补充线索来实现更鲁棒的检测。然而,现有的RGB-D SOD模型难以兼顾效率和精度,不便于移动设备的场景应用。 本文指出深度图质量是影响检测精度的关键因素,基于该观察,提出一种深度图质...
【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。
近日,银江技术股份有限公司向国家知识产权局申请了一项名为“一种基于提示学习的RGB-D协同显著性目标检测方法”的专利(公开号:CN119131415A),标志着该公司在深度学习与计算机视觉领域的又一次重要进展。该专利的申请日期为2024年8月,反映了银江技术对AI技术进行深入探索的决心。
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...