基于三维卷积神经网络的RGB-D显著目标检测

点击上方“小白学视觉”,选择加"星标"或“置顶

重磅干货,第一时间送达
小白导读论文是学术研究的精华和未来发展的明灯。小白决心每天为大家带来经典或者最新论文的解读和分享,旨在帮助各位读者快速了解论文内容。个人能力有限,理解难免出现偏差,建议对文章内容感兴趣的读者,一定要下载原文,了解具体内容。


摘要

摘要RGB-D显著目标检测(SOD)近年来引起了越来越多的研究兴趣,并出现了许多基于编码器-解码器架构的深度学习方法。然而,现有的RGB-D SOD模型大多是在单编码器或解码器阶段进行特征融合,难以保证足够的跨模态融合能力。在本文中,作者首次尝试通过三维卷积神经网络对RGB-D SOD进行寻优。该模型名为RD3D,其目标是在编码器阶段进行预融合,在解码器阶段进行深度融合,以有效促进RGB流和深度流的充分融合。具体来说,RD3D首先通过一个膨胀的3D编码器对RGB和depth模态进行预融合,然后通过设计一个具有丰富的背投影路径(RBPP)的3D解码器,利用3D卷积的广泛聚合能力,进行深度特征融合。采用这种编码器和解码器的渐进融合策略,可以有效地利用两种模式之间的充分互动,提高检测精度。在6个广泛使用的基准数据集上进行的大量实验表明,在4个关键评价指标上,RD3D优于14种最先进的RGB-D SOD方法。

代码链接:https://github.com/PPOLYpubki/RD3D

论文创新点

作者的工作有三

  • 1
    点赞
  • 20
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

小白学视觉

您的赞赏是我们坚持下去的动力~

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值