基于递进层级融合的RGB-D图像显著性目标检测方法

AITNT
正文
推荐专利
基于递进层级融合的RGB-D图像显著性目标检测方法
申请号:CN202510173288
申请日期:2025-02-17
公开号:CN120107620A
公开日期:2025-06-06
类型:发明专利
摘要
本发明公开了一种基于递进层级融合的RGB‑D图像显著性目标检测方法,包括步骤如下:将预处理好的RGB图像和深度图像输入到Swin Transformer骨干网中,分别提取RGB和深度图像的模态特征;将提取的最后一层特征输入到多尺度增强模块,捕获高层语义信息的上下文信息;将骨干网提取的前三层特征以及最后增强后的高层特征分别输入到多模态融合模块中,融合RGB和深度特征;解码器阶段采用多层解码结构,从上到下不断整合高层特征和低层特征,并采用残差连接保留原始信息;采用边缘增强模块提取深度低层边缘轮廓。本发明充分挖掘跨模态特征之间的互补信息,有效融合跨层次特征,能够生成完整、清晰的显著性图。
技术关键词
RGB特征 层级 全局平均池化 融合特征 模块 空洞 多尺度 图像编码器 解码结构 边界特征 解码器 深度特征学习 深度特征信息 模态特征 高层语义信息 通道注意力机制 级联 深度编码器
系统为您推荐了相关专利信息
1
基于改进自注意力与Mamba双模块的不同长度基因组序列编码方法
序列编码方法 位置特征信息 注意力 线性变换矩阵 病毒
2
基于虚拟控制转换的欠驱动船舶轨迹跟踪控制系统和方法
轨迹跟踪控制系统 船舶运动数学模型 船舶轨迹跟踪控制 扰动观测器 事件触发机制
3
基于大语言模型的业务处理方法、装置及电子设备
大语言模型 特征提取能力 客服 样本 特征提取模块
4
语言模型的训练方法、自然语言处理方法及装置
数据 文本 序列 自然语言 子模块
5
自适应关键帧挖掘和时空图学习引导的多模态多目标跟踪方法
关键帧 融合特征 跟踪方法 视频 可见光图像
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号