基于显著性增强特征融合的多尺度 RGB-D 显著目标检测网络
原文中文，约300字，阅读约需1分钟。发表于：。本文针对 RGB-D 显著性检测问题，提出了一种定制化的特征融合模块 SEFF，通过利用邻近尺度的显著性图来增强融合所需的特征，得到更具代表性的融合特征。我们的多尺度 RGB-D 显著性检测器使用 SEFF 处理三个不同尺度的图像，并将 RGB 和深度图像的特征以及不同尺度解码器的特征进行融合。在五个基准数据集上进行的大量实验证明了我们方法在显著性检测上的优越性。
本研究提出了一种新的神经网络，用于在边缘和多尺度语境下进行显著对象检测。该方法在RGB-D显著性检测中表现出了清晰的检测边界和多尺度语境下的鲁棒性。实验结果显示，该方法在六个RGB和两个RGB-D基准数据集上均取得了最优性能。
