然后,针对基于RGB图像的显著性目标检测算法难以在实际复杂多变的场景中准确检测目标,而目前有限的RGB-T图像检测算法难以有效融合多模态图像的互补信息,且基于深度学习的RGB-T图像算法无法实现对图像的端对端检测等问题,本文提出了一种基于多级深度特征融合的端对端的RGB-T图像显著性目标检测算法。该算法将RGB-T显著性...
突出显著目标.(2)基于可变形卷积的RGB-T显著性目标检测算法.针对传统卷积难以适应目标几何形变的问题,构建基于可变形卷积的显著性目标检测算法(DAGLNet).该算法包括三个主要模块,首先引入可变形卷积(Deformable Convolution,DConv)调整VGG-16网络,替换网络中的部分卷积层,形成重构的VGG-DCNet,达到自适应提取不规则目标...
1.多级深度特征融合的RGB-T图像显著性目标检测方法,其特征在于,包括如下步骤: (1)对输入图像提取粗糙的多级特征: 对图像提取基础网络中位于不同深度的5级特征作为粗糙的单模态特征; (2)构建邻近深度特征融合模块,改善单模态特征: 建立多个邻近深度特征融合模块,然后通过该邻近深度特征融合模块将步骤(1)得到的5级粗...
1.基于跨模态特征融合的RGB-D显著性目标检测2.基于跨模态特征融合的RGB-D显著性目标检测3.基于跨模态特征增强的RGB-T行人检测算法研究4.基于多模态多级特征聚合网络的光场显著性目标检测5.基于多模态特征交互的RGB-D显著性目标检测 因版权原因,仅展示原文概要,查看原文内容请购买©...
(54)发明名称基于RGB-T多源图像数据的显著性目标检测方法(57)摘要本发明公开一种基于RGB‑T多源图像数据的显著性目标检测方法,采取基于注意力信息的特征融合,将VGG‑DCNet提取到的初级特征用注意力机制进行重要特征的加权,得到可见光图像和红外图像的注意力特征图,进而将各阶段的多层特征进行结合,并向后传递,采用...
本发明公开了一种基于深度学习的RGBD显著性目标检测方法,包括:引入单目深度估计网络生成增强深度图作为原始深度图的补充,将两种深度图送入深度图特征提取流进行特征提取,对深度图特征进行自适应地择优选择,获取优化后的各级深度图特征;将RGB特征和深度图特征在两个置信度图的指导下进行融合,将RGB特征,深度图特征和融合...
一种基于rgb-t多源图像数据的显著性目标检测方法,包括: [0008] 步骤1:在传统的双通道vgg-16网络架构的基础上,采用可变形卷积替换vgg-16中部分卷积层,并去掉最后的全连接层,构成基于可变形卷积的vgg-dcnet网络,将可见光图像和热红外图像作为vgg-dcnet网络双通道的输入,利用vgg-dcnet网络提取可见光图像和热红外图像...
本实施例的一种基于模态关联与双感知解码器的rgb-t的显著性目标检测方法,具体步骤如下: 步骤(1)、给定一张可见光图像和一张该图像对应的红外图像,使用去除全连接层的vgg16网络,并分别从rgb和t模态提取各自的分层特征后去除最浅层,分别将可见图像特征标记为r1～r4,热红外图像的特征标记为t1～t4。
其实现方案为:1.对输入图像提取粗糙的多级特征;2.构建邻近深度特征融合模块,改善单模态特征;3.构建多分支组融合模块,融合多模态特征;4.得到融合输出特征图;5.训练算法网络;6.预测RGB‑T图像的像素级显著图。本发明可有效融合来自不同模态图像的补充信息,能够在复杂多变场景下完整一致地检测图像显著目标,可用于...
本发明属于图像处理领域,涉及一种rgb-t图像显著目标检测方法,具体涉及一种多级深度特征融合的rgb-t图像显著性目标检测方法,可用于计算机视觉中图像的预处理进程。 背景技术: 显著性目标检测旨在利用模型或算法检测和分割出图像中的显著性目标区。作为图像的预处理步骤,显著性目标检测在视觉跟踪、图像识别、图像压缩、图像...