一種基于全局上下文信息探索的RGB-D顯著性目標(biāo)檢測方法

基本信息

申請(qǐng)?zhí)?/td> CN202210300694.5 申請(qǐng)日 -
公開（公告）號(hào) CN114693951A 公開（公告）日 2022-07-01
申請(qǐng)公布號(hào) CN114693951A 申請(qǐng)公布日 2022-07-01
分類號(hào) G06V10/46（2022.01）I;G06V10/80（2022.01）I;G06V10/774（2022.01）I;G06K9/62（2022.01）I 分類 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 黃榮梅;廖濤;段松松 申請(qǐng)（專利權(quán)）人 安徽理工大學(xué)
代理機(jī)構(gòu) - 代理人 -
地址 232001安徽省淮南市山南新區(qū)泰豐大街168號(hào)
法律狀態(tài) -

摘要

摘要 本發(fā)明屬于計(jì)算機(jī)視覺領(lǐng)域，公開了一種基于全局上下文信息探索的RGB?D顯著性目標(biāo)檢測方法，包括以下步驟：1）獲取訓(xùn)練和測試該任務(wù)的RGB?D數(shù)據(jù)集，并定義本發(fā)明的算法目標(biāo)，并確定用于訓(xùn)練和測試算法的訓(xùn)練集和測試集；2）基于連續(xù)卷積層堆疊用來構(gòu)建跨模態(tài)上下文特征模塊提取特征信息；3）定義一疊連續(xù)的卷積層和多尺度特征的多尺度特征解碼器（MFD）以及空間通道注意力；4）構(gòu)建多尺度特征解碼器，將這些多尺度特征融合到一個(gè)自上而下的聚合策略中，并生成顯著性結(jié)果；5）采用二元交叉熵（BCE）來訓(xùn)練本發(fā)明的模型，這也是SOD任務(wù)中普遍存在的損失函數(shù)。計(jì)算出在不同的像素下的預(yù)測值和真實(shí)值之間的誤差。