多模态融合的RGB-D图像显著目标检测研究

发布时间：2021-05-21 19:54

　　图像显著目标检测旨在找出图像中最吸引人的目标,作为计算机视觉任务中的一个分支,在近几年越来越受到重视。作为其他计算机视觉任务中的一个预处理步骤,例如图像分割、场景重建、视觉追踪等,可以节省许多不必要的时间和空间成本代价。目前单幅图显著目标检测主要分为基于RGB图像及基于RGB-D图像的显著目标检测。随着深度传感器的应用,Depth信息被证明在显著目标检测中是一种具有特别重要价值的特征线索。因此RGB-D图像显著目标检测方法大量被提出,早期的工作都是基于人工设计特征的RGB-D显著目标检测,单纯的将RGB特征和Depth特征融合,缺失了目标的全局性。特别是在背景复杂的情况下,传统的方法取得的效果欠佳。近年来,随着深度学习的发展,各种各样的基于卷积神经网络的RGB-D模型被应用于图像显著目标检测。目前的基于深度卷积神经网络的RGB-D图像显著目标检测模型主要分为两种架构模式,一种为输入融合,即单流网络架构模式,另一种后期融合,即双流网络架构模式。针对RGB-D图像显著目标检测,本文分别基于这两种架构模式做了部分工作。针对于深度卷积神经网络的研究,本文第一个工作设计了一种基于单流网络的RGB... 

【文章来源】：安徽大学安徽省 211工程院校

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状
        1.2.1 RGB-D显著目标检测研究现状
        1.2.2 基于注意力机制的显著目标检测研究现状
    1.3 本文主要工作与章节安排
        1.3.1 本文主要工作与创新点
        1.3.2 章节安排
第二章 相关理论与算法
    2.1 RGB图像和RGB-D图像
    2.2 深度学习
    2.3 注意力机制
    2.4 本章小结
第三章 基于多级渐进并行注意力的RGB-D图像显著目标检测
    3.1 模型框架
    3.2 特征提取
    3.3 渐进式注意力机制
        3.3.1 渐进式空间注意力机制
        3.3.2 渐进式通道注意力机制
    3.4 递归卷积层优化
    3.5 层次显著图的融合
    3.6 实验
        3.6.1 数据集
        3.6.2 评估标准
        3.6.3 实验设置
        3.6.4 渐进式注意力机制消融对比实验
        3.6.5 与级联空间和通道注意力机制的实验对比
        3.6.6 与其他模型的对比评估
    3.7 本章小结
第四章 基于多模态特征融合监督的RGB-D图像显著目标检测
    4.1 模型框架
    4.2 双流侧边监督
    4.3 多模态特征融合
    4.4 损失函数
    4.5 实验
        4.5.1 数据集及评估标准
        4.5.2 实验设置
        4.5.3 侧边监督模块对比
        4.5.4 多模态特征融合实验对比
        4.5.5 低维Depth特征实验对比
        4.5.6 与其它模型实验对比
    4.6 本章小结
第五章 总结与展望
    5.1 工作总结
    5.2 研究展望
参考文献
在读硕士期间的研究成果
致谢



本文编号：3200285