利用背景包围、深度对比和自顶向下特征学习RGB-D显著性目标检测
计算机视觉与模式识别
2017-05-11 v1
摘要
近来，深度卷积神经网络 (CNN) 在 RGB 显著性目标检测上展现了强劲性能。尽管深度信息可帮助改进检测结果，但 CNN 用于 RGB-D 显著性目标检测的探索仍然有限。这里我们提出一种用于 RGB-D 显著性目标检测的新型深度 CNN 架构，其利用了高层、中层和低层特征。此外，我们提出了捕捉背景包围与深度对比思想的新型深度特征，其适用于学习方法。我们展示了相比最先进 RGB-D 显著性目标检测方法的改进结果。我们也展示了低层与中层深度特征均对结果改进有贡献。尤其，我们的方法在 RGBD1000 数据集上的 F-Score 为 0.848，比第二名好 10.7%。
引用
@article{arxiv.1705.03607,
title = {Learning RGB-D Salient Object Detection using background enclosure, depth contrast, and top-down features},
author = {Riku Shigematsu and David Feng and Shaodi You and Nick Barnes},
journal= {arXiv preprint arXiv:1705.03607},
year = {2017}
}