公开(公告)号：CN111242238B

公开(公告)日：2023-12-26

申请号：CN202010070635.4

申请日：2020-01-21

Applicant: 北京交通大学

Inventor： 丛润民 ,  李重仪 ,  赵耀 ,  钟启航 ,  李心怡 ,  王玉洁

IPC: G06V10/80

Abstract: 本发明提供一种RGB‑D图像显著性目标获取的方法，提出一种交织融合网络，用于相互指导RGB‑D特征的联合提取，并通过网络浅层和深层结构密集地整合跨模态的互补信息，这样能自动且充分地抓取潜在的有用信息，并减少由于跨模态数据的不一致性引起的干扰。与单独提取RGB‑D特征后将其整合方式相比，RGB‑D特征的交互引导有利于促进跨模态信息的互补性融合，缓解不同模态中的不一致问题；还可以降低因为成像环境或设备引起的低质深度图带来的负面影响。通过在损失函数构造时引入对抗损失项，为RGB‑D显著性目标检测提供全局语义约束，使检测结果不仅关注像素级显著性属性，还能捕获对象级的全局语义特征，生成具有完整结构、清晰边界的显著性图。

公开(公告)号：CN111242238A

公开(公告)日：2020-06-05

申请号：CN202010070635.4

申请日：2020-01-21

Applicant: 北京交通大学

Inventor： 丛润民 ,  李重仪 ,  赵耀 ,  钟启航 ,  李心怡 ,  王玉洁

IPC: G06K9/62

Abstract: 本发明提供一种RGB-D图像显著性目标获取的方法，提出一种交织融合网络，用于相互指导RGB-D特征的联合提取，并通过网络浅层和深层结构密集地整合跨模态的互补信息，这样能自动且充分地抓取潜在的有用信息，并减少由于跨模态数据的不一致性引起的干扰。与单独提取RGB-D特征后将其整合方式相比，RGB-D特征的交互引导有利于促进跨模态信息的互补性融合，缓解不同模态中的不一致问题；还可以降低因为成像环境或设备引起的低质深度图带来的负面影响。通过在损失函数构造时引入对抗损失项，为RGB-D显著性目标检测提供全局语义约束，使检测结果不仅关注像素级显著性属性，还能捕获对象级的全局语义特征，生成具有完整结构、清晰边界的显著性图。