基于显著性增强特征融合的多尺度RGB-D显著目标检测网络
计算机视觉与模式识别
2024-01-23 v1
摘要
多尺度卷积神经网络（CNN）在解决各种视觉问题中展现了卓越的能力。然而，融合不同尺度的特征通常会导致模型尺寸过大，阻碍了多尺度CNN在RGB-D显著性检测中的应用。本文提出了一种定制的特征融合模块，称为显著性增强特征融合（SEFF），用于RGB-D显著性检测。SEFF利用相邻尺度的显著性图来增强融合所需的特征，从而得到更具代表性的融合特征。我们的多尺度RGB-D显著性检测器使用SEFF，并以三种不同尺度处理图像。SEFF用于融合RGB图像和深度图像的特征，以及不同尺度解码器的特征。在五个基准数据集上的大量实验证明了我们的方法优于十种最先进的显著性检测器。
引用
@article{arxiv.2401.11914,
title = {A Saliency Enhanced Feature Fusion based multiscale RGB-D Salient Object Detection Network},
author = {Rui Huang and Qingyi Zhao and Yan Xing and Sihua Gao and Weifeng Xu and Yuxiang Zhang and Wei Fan},
journal= {arXiv preprint arXiv:2401.11914},
year = {2024}
}
备注
Accpeted by 2024 IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP 2024)