典型文献
基于深度学习的RGBD图像协同显著目标检测
文献摘要：
本文旨在研究一种基于深度学习的RGBD图像协同显著目标检测模型.首先,本文构建了多分支的编码器结构,有效地提取RGBD图像的深层卷积特征;然后,使用多模态特征融合模块充分融合来自编码器的深层特征;最后,通过基于残差基本块的解码器来预测得到显著性图.此外,本文以深层次监督的方式对整个网络进行约束优化.在两个公开数据集上的测试结果表明,所提模型在预测精度上优于当前6种主流模型,这其中我们的显著性图呈现出更精确的边缘细节.
文献关键词：
协同显著目标;RGBD图像;深度学习
中图分类号：
作者姓名：
周晓飞;郭舒瑶;温洪发;刘炳涛;李世锋;张继勇;颜成钢
作者机构：
杭州电子科技大学自动化学院,浙江杭州310018;杭州电子科技大学计算机学院,浙江杭州310018;中电数据服务有限公司,北京100088
文献出处：
引用格式：
[1]周晓飞;郭舒瑶;温洪发;刘炳涛;李世锋;张继勇;颜成钢-.基于深度学习的RGBD图像协同显著目标检测)[J].信号处理,2022(06):1213-1221
A类：
协同显著目标
B类：
RGBD,显著目标检测,目标检测模型,多分支,卷积特征,多模态特征融合,特征融合模块,充分融合,自编码器,深层特征,基本块,解码器,显著性图,行约,约束优化,公开数据集,流模型,边缘细节
AB值：
0.320808
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
