彩色深度(Red Green Blue Depth, RGBD)图像不仅包含红绿蓝三通道的颜色信息,还包含深度信息,因此能提供更全面的空间结构信息.近年来,随着RGBD图像的广泛应用,基于RGBD的图像显著性检测方法相继被提出.为了更好地解决弱监督图像显著性...
详细信息
彩色深度(Red Green Blue Depth, RGBD)图像不仅包含红绿蓝三通道的颜色信息,还包含深度信息,因此能提供更全面的空间结构信息.近年来,随着RGBD图像的广泛应用,基于RGBD的图像显著性检测方法相继被提出.为了更好地解决弱监督图像显著性检测方法中的跨模态数据融合问题,本文提出一种基于图像分类的弱监督RGBD图像显著性检测方法.首先,本文通过基于梯度的类别响应机制生成初始类别响应图,同时使用传统的显著图检测算法生成初始显著图.然后,根据本文提出的基于深度图的优化策略将初始类别响应图和初始显著图融合形成伪标签.最后,通过本文提出的由加权交叉熵损失、条件随机场推理损失以及边缘损失构成的混合损失对网络模型进行训练.实验表明,本文提出的弱监督RGBD图像显著性检测方法具有先进的性能.
暂无评论