申请/专利权人:杭州电子科技大学
申请日:2021-06-04
公开(公告)日:2024-04-09
公开(公告)号:CN113538442B
主分类号:G06T7/10
分类号:G06T7/10;G06V10/46;G06V10/80;G06V10/56
优先权:
专利状态码:有效-授权
法律状态:2024.04.09#授权;2021.11.09#实质审查的生效;2021.10.22#公开
摘要:本发明公开了一种使用自适应特征融合的RGB‑D显著目标检测方法,首先使用2个结构相同的编码器网络分别对RGB图像和Depth图像这2个数据流编码,编码后对2个数据流分别获得m个层级的特征;然后在RGB和Depth两个数据流的解码过程中分别使用自适应特征融合;在联合数据流中对2个数据流的特征融合;最后使用损失函数对该网络模型优化。本发明所述的方法,可以提高RGB‑D显著目标检测的效果。通过使用自适应特征融合,可以有效融合数据流内不同层级的特征。通过使用数据流间特征融合方法,可以有效融合2个数据流的特征。
主权项:1.一种使用自适应特征融合的RGB-D显著目标检测方法,其特征在于,包括以下步骤:步骤1.使用2个结构相同的编码器网络分别对RGB图像和Depth图像这2个数据流编码,编码后对2个数据流分别获得m个层级的特征;步骤2.在RGB和Depth两个数据流的解码过程中分别使用自适应特征融合;步骤3.在联合数据流中对2个数据流的特征融合;步骤4.使用损失函数对该网络模型优化;所述的步骤2的自适应特征融合,具体操作如下:将高一层级特征升采样后使用conv,并与当前层级特征在通道维连接,然后送入到全局平均池化模块,然后使用conv和softmax求出2个通道的权重值,并分别与2个特征相乘后求和,得到融合后的特征;所述的步骤3在联合数据流中对2个数据流的特征融合,具体操作如下:首先将同层级的RGB解码器和Depth解码器的输出进行融合,再与高一层级联合数据流的输出融合;将同层级RGB解码器和Depth解码器的输出使用conv和sigmoid处理,得到2个权重值,使用这2个权重值分别对RGB解码器和Depth解码器的输出进行加权并求和,然后将高一层级联合解码器的输出升采样并使用conv处理后,与该特征在通道维连接,并使用conv处理,得到当前层级联合解码器的融合特征。
全文数据:
权利要求:
百度查询: 杭州电子科技大学 一种使用自适应特征融合的RGB-D显著目标检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。