ACFNet：用于 RGB-D 显著目标检测的自适应协作融合网络
计算机视觉与模式识别
2021-09-13 v1
摘要
合理利用 RGB 和深度数据在推动计算机视觉任务和机器人与环境交互的发展方面显示出重要意义。然而，这两类数据的早期和晚期融合各有优缺点。此外，由于目标信息的多样性，在特定场景下使用单一类型的数据往往会导致语义误导。基于上述考虑，我们提出了一种具有 ResinRes 结构的自适应协作融合网络（ACFNet），用于显著目标检测。该结构旨在灵活利用早期和晚期阶段特征融合的优势。其次，设计了一种自适应协作语义引导（ACG）方案，以抑制引导阶段的不准确特征。此外，我们提出了一种基于类型的注意力模块（TAM）来优化网络并增强对不同对象的多尺度感知。对于不同的对象，通过门控机制增强或抑制由不同类型卷积生成的特征，以优化分割。ACG 和 TAM 分别根据数据属性和卷积属性优化特征流的传递。在 RGB-D SOD 数据集上进行的大量实验表明，所提出的网络表现优于 18 种最先进的算法。
关键词
引用
@article{arxiv.2109.04627,
title = {ACFNet: Adaptively-Cooperative Fusion Network for RGB-D Salient Object Detection},
author = {Jinchao Zhu},
journal= {arXiv preprint arXiv:2109.04627},
year = {2021}
}