此外,与目前英文撰写的RGB-D显著性目标检测综述[24]相比,本文重点关注深度学习背景下的RGB-D显著性目标检测发展,并以一种新的视角重新审视当前发展状况。具体不同点及创新点可概括为以下几个方面。 (1) 鉴于目前研究人员对深度图质量问题的关注越来越多,本文首次从RGB-D显著目标检测任务面临的跨模态特征融合和深度...
这些模块大致可分为六类:多任务学习、深度编码、多尺度网络、新型神经网络结构、数据/特征/得分级融合和后处理(见图5)。表2中总结了基于RGB-D图像的语义分割方法。 多任务学习:深度估计和语义分割是计算机视觉中两个具有挑战性的基本任务。这些任务也有一定的相关性,因为与不同目标之间的深度变化相比,目标内的深度...
idx): image = Image.open(self.image_paths[idx]).convert('RGB') mask = Image.open(...
WildRGB-D数据集为大规模RGB-D视频的收集和注释提供了有力的基础，为进一步推动3D对象学习和相关研究领...
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...
1、提出了一个新的使用多视图深度学习方法的语义分割方法, 基于从RGB-D SLAM中获得的相机轨迹, 对具有多视图一致性约束的CNN训练进行正则化。 2、提出并评估了多个在训练过程中增强多视图一致性的变量。 3 、引入了一种共享的原则, 将多个神经网络的输出变换到一个参考帧中. 这样网络不仅学习在视点改变下不变的...
【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。
3.如权利要求2所述的基于单帧RGB-D图像深度学习对不规则工件的定位抓取方法,其特征在于,所述构建并离线训练深度学习的目标检测网络是,先采用COCO数据集上的预训练模型权重载入深度学习的目标检测网络,利用训练样本图像及对应的标签对深度学习的目标检测网络进行离线迭代训练,获得基于深度学习的目标检测网络的目标检测模型...
基于RGB-D物体识别的深度学习算法研究 深度学习是机器学习领域一个全新的研究方向,其目的是建立多层神经网络,以期能够模仿人脑的机制来分析和解释图像,音频和文本等数据。它通过组合浅层特征形成更加抽象的... 卢良锋 - 宁波大学 被引量: 2发表: 0年 基于多模态深度学习的RGB-D物体识别 针对现有RGB-D物体识别...
针对现有RGB-D物体识别方法存在图像特征学习不全面、类间相似的物体识别精度不高等问题,联合稀疏自编码(sparse auto-encoder,SAE)及递归神经网络(recursive neural networks,RNNs)提出多模态稀疏自编码递归神经网络(multi-modal sparse auto-encoder and recursive neural networks,MSAE-RNNs)的深度学习模型.SAE结合卷...