Hierarchical Alternate Interaction Network for RGB-D Salient Object Detection
用于 RGB-D 显着目标检测的分层交替交互网络
一 Motivation
因为深度图在采集过程中质量有好有差
减轻深度图的干扰,突出显著对象
二 Solution
分层交替交互网络 (HAINet)
HAINet 的主要创新是分层交替交互模块(HAIM)
HAIM首先使用RGB特征过滤深度特征中的干扰物,然后利用纯化的深度特征依次增强RGB特征
三 HAINet
HAINet 由特征编码、跨模态交替交互和显着性推理组成,骨干网络为VGG16
AIU:用 RGB 特征来过滤深度特征中的干扰物,并提出注意力倍增交互。 然后,我们使用注意力-乘法交互来过滤干扰物,并进一步增强 RGB 特征
HAIM:将每一层的RGB和深度特征,使用4个并行的膨胀卷积(膨胀率递增),作用是捕获局部和上下文的局部信息,然后送到4个AIU模块里,从第一个分支开始,前一个AIU的输出将参与后一个AIU处理,是渐进融合
为了进一步有效筛选特征并保留最有价值的信息,我们设计了一种自适应的特征重加权操作,以区分地关注四组增强的 RGB 特征。克服了深度特征中的干扰因素,同时融合了来自 RGB 和深度特征的有用信息。