-
公开(公告)号：CN106997478A
公开(公告)日：2017-08-01
申请号：CN201710241323.3
申请日：2017-04-13
Applicant: 安徽大学
Abstract: 本发明公开了一种基于显著中心先验的RGB‑D图像显著目标检测方法，包括基于深度图的显著中心先验和基于RGB图的显著中心先验，基于深度图的显著中心先验：计算RGB图中其他超像素与深度图显著目标中心超像素的深度特征欧式距离，以此作为显著权重加强RGB图的显著检测结果，从而使得深度特征有效指导RGB图显著检测，提升RGB图显著检测结果；基于RGB图的显著中心先验：计算深度图中其他超像素与RGB图显著目标中心超像素的CIELab颜色特征欧式距离，以此作为显著权重加强深度图的显著检测结果，从而使得RGB特征有效指导深度图显著检测，提升深度图显著检测结果。
-
公开(公告)号：CN109598268B
公开(公告)日：2021-08-17
申请号：CN201811403402.0
申请日：2018-11-23
Applicant: 安徽大学
Abstract: 本发明公开了一种基于单流深度网络的RGB‑D显著目标检测方法，包括以下步骤：S1、将RGB图像和Depth图像作为单流深度网络的四通道输入；S2、将VGG16作为基础网络，利用Conv5_3提取图像的高维特征，对高维特征进行操作，经过卷积、反卷积和卷积得到初始显著图；S3、将初始显著图，以及Depth数据作为DRCNN循环卷积结构的输入；DRCNN通过级联的方式，一步一步优化显著结果，详细描绘显著目标的边缘信息；最后连接一个权值融合层，通过自动学习权值，将显著结果融合得到最终显著图。本发明利用循环卷积神经网络，从低层向高层产生多级别特征，同时，从高层向低层逐步细化目标轮廓，借助RGB‑D图像所特有的Depth深度信息，可解决单靠颜色无法还原的目标轮廓的问题。
-
公开(公告)号：CN109598268A
公开(公告)日：2019-04-09
申请号：CN201811403402.0
申请日：2018-11-23
Applicant: 安徽大学
Abstract: 本发明公开了一种基于单流深度网络的RGB-D显著目标检测方法，包括以下步骤：S1、将RGB图像和Depth图像作为单流深度网络的四通道输入；S2、将VGG16作为基础网络，利用Conv5_3提取图像的高维特征，对高维特征进行操作，经过卷积、反卷积和卷积得到初始显著图；S3、将初始显著图，以及Depth数据作为DRCNN循环卷积结构的输入；DRCNN通过级联的方式，一步一步优化显著结果，详细描绘显著目标的边缘信息；最后连接一个权值融合层，通过自动学习权值，将显著结果融合得到最终显著图。本发明利用循环卷积神经网络，从低层向高层产生多级别特征，同时，从高层向低层逐步细化目标轮廓，借助RGB-D图像所特有的Depth深度信息，可解决单靠颜色无法还原的目标轮廓的问题。
-
公开(公告)号：CN106997478B
公开(公告)日：2020-04-03
申请号：CN201710241323.3
申请日：2017-04-13
Applicant: 安徽大学
Abstract: 本发明公开了一种基于显著中心先验的RGB‑D图像显著目标检测方法，包括基于深度图的显著中心先验和基于RGB图的显著中心先验，基于深度图的显著中心先验：计算RGB图中其他超像素与深度图显著目标中心超像素的深度特征欧式距离，以此作为显著权重加强RGB图的显著检测结果，从而使得深度特征有效指导RGB图显著检测，提升RGB图显著检测结果；基于RGB图的显著中心先验：计算深度图中其他超像素与RGB图显著目标中心超像素的CIELab颜色特征欧式距离，以此作为显著权重加强深度图的显著检测结果，从而使得RGB特征有效指导深度图显著检测，提升深度图显著检测结果。
-
-
-
Search Results
4
records
(took 0.019 seconds)
