申请/专利权人：天津大学;上海人工智能创新中心

申请日：2023-09-12

公开（公告）日：2024-04-12

公开（公告）号：CN117876656A

主分类号：G06V10/25

分类号：G06V10/25;G06V10/80;G06V10/82;G06N3/0455;G06N3/047;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明属于计算机视觉技术领域，更具体地，涉及一种基于大模型SegmentAnything进行低秩自适应改进的图像显著性目标检测方法。现有算法在有限图像集上训练，面向真实世界图像等泛化能力不强。本发明所述方法基于SAM的RGB‑D图像显著性目标检测。首先，将RGB图像和线索输入到SAM中，得到一张全分割图。然后，颜色渲染深度图输入到深度图显著性检测模块SASM‑D。该模块通过低秩自适应对SAM进行fine‑tuning生成显著图。最后，全分割图和显著图输入到投票机制，统计全分割图中每一个子部分中显著性像素占整个子部分像素的比例，按照“少数服从多数”判定子区域显著性，生成最终的显著图。采用本发明所述的方法在处理真实世界图像显著性目标检测任务时，具有更好的鲁棒性。

主权项：1.一种基于SAM大模型的RGB-D图像显著性目标检测方法，包括以下步骤：步骤1RGB图像和相关线索等信息输入到SAM大模型中，得到一张全分割的图像。步骤2深度图通过颜色渲染模块生成颜色渲染深度图，并输入到基于SAM大模型的深度图显著性目标检测模块SASM-D中，该模块通过低秩自适应对SAM大模型进行fine-tuning，实现基于深度图的显著性目标检测，生成预测的显著图。步骤3全分割的图像和基于深度图预测生成的显著图同时输入到投票机制模块中，该机制统计全分割图中每一个被分割的子部分中显著性像素点占整个被分割的子部分像素点的比例，按照“少数服从多数”原则判定该分割子区域的显著性，生成最终的显著图。

全文数据：

权利要求：

百度查询： 天津大学;上海人工智能创新中心 一种基于深度学习大模型的RGB-D图像显著性目标检测方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD