HDF+:一种新的RGB-D显著性目标检测网络模型

摘要

用于显著性目标检测的HDFNet模型在其编码阶段和解码阶段均缺乏有效的特征信息表示能力，分别由于其编码阶段仅把RGB特征和Depth特征进行简单相加，且解码阶段在多次上采样中缺乏有效监督，从而导致检测精度有待进一步提升.本文提出了一种新的RGB-D显著性目标检测模型HDF+.首先，在编码阶段构建了非对称融合模块，该模块通过非对称的方式融合RGB特征和Depth特征，有效利用RGB特征的语义信息及Depth特征的空间细节信息；其次，在解码阶段采用多个深度监督模块对网络进行监督训练，并在各监督层引入IoU损失作为前景损失替换原来的区域增强损失.对比实验结果表明，本文的方法优于主流的RGB-D显著性目标检测方法.

关键词

RGB-D / 显著性目标检测 / 非对称融合 / 深度监督

基金资助

国家重点研发计划“智能机器人”重点专项项目(2018YFB1308602)资助; 国家自然科学基金项目(61173184)资助; 重庆市教育委员会科技攻关计划项目(KJQN202201142)资助