跨模态关联学习的RGB-D显著目标检测方法与系统

本发明提出跨模态关联学习的RGB‑D显著目标检测方法与系统，该方法包括：基于双流编码器架构，构建RGB模态与深度模态的特征提取网络；利用自适应跨模态融合模块进行特征融合以得到跨模态融合特征；利用逐元素乘法对精细化大尺度特征与小尺度上采样特征进行注意力增强以得到多尺度特征聚合模块的输出融合特征；利用上采样层和卷积层对多尺度特征聚合模块的输出融合特征进行物体边界的预测以得到边缘预测图的特征；对显著性特征进行逐点相加操作以得到最终的显著性预测图；将RGB‑D数据输入网络模型进行训练，以生成RGB‑D显著目标检测结果；本发明通过挖掘模态间的关联性与互补性，充分整合不同模态的特性信息，提升了显著目标检测的准确性和鲁棒性。