公开(公告)号：CN113537326A

公开(公告)日：2021-10-22

申请号：CN202110760504.3

申请日：2021-07-06

Applicant: 安徽大学

Inventor： 刘政怡 ,  汪远 ,  张志立 ,  檀亚诚 ,  姚晟

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种RGB‑D图像显著目标检测方法，包括以下步骤：提取RGB和Depth图像特征，同时实施融合形成RGBD融合特征，将其划分为高层RGBD融合特征及低层RGBD融合特征；利用三个Transformer增强所述高层RGBD融合特征，形成高层RGBD增强特征；三流解码所述高层RGBD增强特征，通过与低层RGBD融合特征的结合，形成RGBD细化特征；融合所述RGBD细化特征形成显著图；本发明检测方法利用Transformer增强高层特征，准确获取显著物体的位置信息，并利用三流融合，融入低层特征，细化显著物体轮廓细节；通过卷积神经网络和Transformer的结合、全局和局部的优化，产生精度高的显著图。

公开(公告)号：CN117036838A

公开(公告)日：2023-11-10

申请号：CN202210453028.5

申请日：2022-04-27

Applicant: 安徽大学

Inventor： 刘政怡 ,  张志立 ,  韩莉

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/74 ,  G06F16/35

Abstract: 本发明公开了一种类别弱监督的RGB‑D图像显著物体检测方法，包括训练阶段和更新阶段；所述训练阶段由伪标签监督所述图像显著物体检测模型的训练，输出显著图；同时由类别标签、伪标签监督视觉‑语言匹配模型的训练，输出类别相似度向量和类别感知显著图；所述更新阶段利用类别感知显著图和伪标签掩码下的图像的类别相似度加权求和类别感知显著图和伪标签，以此结果更新伪标签；所述更新阶段发生在所述训练阶段的过程中；所述方法在测试阶段，对任意输入的RGB‑D图像，使用训练好的所述图像显著物体检测模型进行测试，输出最终的显著图。本发明以类别标签和伪标签监督模型的训练，无需像素级别的真值标签。

公开(公告)号：CN113822855A

公开(公告)日：2021-12-21

申请号：CN202110933152.7

申请日：2021-08-11

Applicant: 安徽大学

Inventor： 刘政怡 ,  张志立 ,  谭亚诚 ,  唐彬 ,  姚晟 ,  李炜

IPC: G06T7/00 ,  G06N3/04 ,  G06N3/08 ,  G06T5/50 ,  G06T9/00

Abstract: 本发明公开了一种RGB‑T图像显著目标检测方法，包括以下步骤：从RGB‑T图像中提取RGB特征和Thermal特征，产生对应初始显著图，利用初始显著图增强所述RGB特征和Thermal特征后，实施独立解码，产生RGB和Thermal独立解码特征、独立解码显著图；融合所述RGB和Thermal独立解码特征，形成RGB‑T融合特征后，实施联合解码，产生联合解码显著图；利用显著图真值监督独立解码显著图、联合解码显著图，通过训练数据集的训练，形成RGB‑T图像显著目标检测模型，所述模型检测任意一张RGB‑T图像，输出联合解码显著图。所述方法通过独立解码兼顾RGB颜色图像和Thermal热红外图像各自的独特性，通过联合编码减少RGB颜色图像和Thermal热红外图像二者之间的差异，提高检测性能。

公开(公告)号：CN113822855B

公开(公告)日：2024-10-15

申请号：CN202110933152.7

申请日：2021-08-11

Applicant: 安徽大学

Inventor： 刘政怡 ,  张志立 ,  谭亚诚 ,  唐彬 ,  姚晟 ,  李炜

IPC: G06T7/00 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  G06T5/50 ,  G06T9/00

Abstract: 本发明公开了一种RGB‑T图像显著目标检测方法，包括以下步骤：从RGB‑T图像中提取RGB特征和Thermal特征，产生对应初始显著图，利用初始显著图增强所述RGB特征和Thermal特征后，实施独立解码，产生RGB和Thermal独立解码特征、独立解码显著图；融合所述RGB和Thermal独立解码特征，形成RGB‑T融合特征后，实施联合解码，产生联合解码显著图；利用显著图真值监督独立解码显著图、联合解码显著图，通过训练数据集的训练，形成RGB‑T图像显著目标检测模型，所述模型检测任意一张RGB‑T图像，输出联合解码显著图。所述方法通过独立解码兼顾RGB颜色图像和Thermal热红外图像各自的独特性，通过联合编码减少RGB颜色图像和Thermal热红外图像二者之间的差异，提高检测性能。

公开(公告)号：CN113537326B

公开(公告)日：2024-06-25

申请号：CN202110760504.3

申请日：2021-07-06

Applicant: 安徽大学

Inventor： 刘政怡 ,  汪远 ,  张志立 ,  檀亚诚 ,  姚晟

IPC: G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种RGB‑D图像显著目标检测方法，包括以下步骤：提取RGB和Depth图像特征，同时实施融合形成RGBD融合特征，将其划分为高层RGBD融合特征及低层RGBD融合特征；利用三个Transformer增强所述高层RGBD融合特征，形成高层RGBD增强特征；三流解码所述高层RGBD增强特征，通过与低层RGBD融合特征的结合，形成RGBD细化特征；融合所述RGBD细化特征形成显著图；本发明检测方法利用Transformer增强高层特征，准确获取显著物体的位置信息，并利用三流融合，融入低层特征，细化显著物体轮廓细节；通过卷积神经网络和Transformer的结合、全局和局部的优化，产生精度高的显著图。