用于 RGB-D 显著性目标检测的自适应融合
计算机视觉与模式识别
2019-01-09 v2
摘要
RGB-D 显著性目标检测旨在从一对彩色与深度图像中识别出最具视觉显著性的物体。基于大多数显著物体至少在一种模态中突出的观察，本文提出一种自适应融合方案以融合由两种模态生成的显著性预测。具体而言，我们设计了一个双流卷积神经网络（CNN），每流从 RGB 或深度模态中提取特征并预测显著性图。随后，一个显著性融合模块学习一个开关图，用于自适应融合所预测的显著性图。设计了由显著性监督、开关图监督与边缘保持约束组成的损失函数以实现充分监督，整个网络以端到端方式训练。得益于自适应融合策略与边缘保持约束，我们的方法在三个公开数据集上优于当前最优方法。
引用
@article{arxiv.1901.01369,
title = {Adaptive Fusion for RGB-D Salient Object Detection},
author = {Ningning Wang and Xiaojin Gong},
journal= {arXiv preprint arXiv:1901.01369},
year = {2019}
}