圖像顯著目標(biāo)檢測旨在找出圖像中最吸引人的目標(biāo),作為計算機視覺任務(wù)中的一個分支,在近幾年越來越受到重視。作為其他計算機視覺任務(wù)中的一個預(yù)處理步驟,例如圖像分割、場景重建、視覺追蹤等,可以節(jié)省許多不必要的時間和空間成本代價。目前單幅圖顯著目標(biāo)檢測主要分為基于RGB圖像及基于RGB-D圖像的顯著目標(biāo)檢測。隨著深度傳感器的應(yīng)用,Depth信息被證明在顯著目標(biāo)檢測中是一種具有特別重要價值的特征線索。因此RGB-D圖像顯著目標(biāo)檢測方法大量被提出,早期的工作都是基于人工設(shè)計特征的RGB-D顯著目標(biāo)檢測,單純的將RGB特征和Depth特征融合,缺失了目標(biāo)的全局性。特別是在背景復(fù)雜的情況下,傳統(tǒng)的方法取得的效果欠佳。近年來,隨著深度學(xué)習(xí)的發(fā)展,各種各樣的基于卷積神經(jīng)網(wǎng)絡(luò)的RGB-D模型被應(yīng)用于圖像顯著目標(biāo)檢測。目前的基于深度卷積神經(jīng)網(wǎng)絡(luò)的RGB-D圖像顯著目標(biāo)檢測模型主要分為兩種架構(gòu)模式,一種為輸入融合,即單流網(wǎng)絡(luò)架構(gòu)模式,另一種后期融合,即雙流網(wǎng)絡(luò)架構(gòu)模式。針對RGB-D圖像顯著目標(biāo)檢測,本文分別基于這兩種架構(gòu)模式做了部分工作。針對于深度卷積神經(jīng)網(wǎng)絡(luò)的研究,本文第一個工作設(shè)計了一種基于單流網(wǎng)絡(luò)的RGB... 

【文章來源】：安徽大學(xué)安徽省 211工程院校

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 RGB-D顯著目標(biāo)檢測研究現(xiàn)狀
        1.2.2 基于注意力機制的顯著目標(biāo)檢測研究現(xiàn)狀
    1.3 本文主要工作與章節(jié)安排
        1.3.1 本文主要工作與創(chuàng)新點
        1.3.2 章節(jié)安排
第二章 相關(guān)理論與算法
    2.1 RGB圖像和RGB-D圖像
    2.2 深度學(xué)習(xí)
    2.3 注意力機制
    2.4 本章小結(jié)
第三章 基于多級漸進并行注意力的RGB-D圖像顯著目標(biāo)檢測
    3.1 模型框架
    3.2 特征提取
    3.3 漸進式注意力機制
        3.3.1 漸進式空間注意力機制
        3.3.2 漸進式通道注意力機制
    3.4 遞歸卷積層優(yōu)化
    3.5 層次顯著圖的融合
    3.6 實驗
        3.6.1 數(shù)據(jù)集
        3.6.2 評估標(biāo)準(zhǔn)
        3.6.3 實驗設(shè)置
        3.6.4 漸進式注意力機制消融對比實驗
        3.6.5 與級聯(lián)空間和通道注意力機制的實驗對比
        3.6.6 與其他模型的對比評估
    3.7 本章小結(jié)
第四章 基于多模態(tài)特征融合監(jiān)督的RGB-D圖像顯著目標(biāo)檢測
    4.1 模型框架
    4.2 雙流側(cè)邊監(jiān)督
    4.3 多模態(tài)特征融合
    4.4 損失函數(shù)
    4.5 實驗
        4.5.1 數(shù)據(jù)集及評估標(biāo)準(zhǔn)
        4.5.2 實驗設(shè)置
        4.5.3 側(cè)邊監(jiān)督模塊對比
        4.5.4 多模態(tài)特征融合實驗對比
        4.5.5 低維Depth特征實驗對比
        4.5.6 與其它模型實驗對比
    4.6 本章小結(jié)
第五章 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 研究展望
參考文獻
在讀碩士期間的研究成果
致謝



本文編號：3200285