公开(公告)号：CN113962926A

公开(公告)日：2022-01-21

申请号：CN202111000467.2

申请日：2021-08-29

Applicant: 安徽大学

Inventor： 刘政怡 ,  朱斌 ,  张子森 ,  李炜 ,  姚晟

IPC: G06T7/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06T7/13 ,  G06T7/194 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明公开了一种边缘指导的伪装物体检测神经网络模型，对输入图像进行前景和背景特征提取，产生前景图和背景图，受伪装前景真值图和伪装背景真值图监督；对所述提取的前景特征和背景特征进行减法操作，获得边缘特征；所述边缘特征进行边缘解码产生边图，受边缘真值图监督；所述边缘解码采用的方式为高层边缘特征上采样后与相邻低层边缘特征级联后卷积，逐层解码；所述前景特征结合边缘特征进行边缘指导的前景解码产生伪装图，受伪装前景真值图监督；所述边缘指导的前景解码采用的方式为边缘特征与前景特征级联后乘以高层伪装图，逐层解码。所述模型经过伪装物体检测训练集的训练，用于检测任意图像中的伪装物体，输出第一层的伪装图。

公开(公告)号：CN113658134A

公开(公告)日：2021-11-16

申请号：CN202110939965.7

申请日：2021-08-13

Applicant: 安徽大学

Inventor： 刘政怡 ,  檀亚诚 ,  朱斌 ,  张子森 ,  姚晟 ,  李炜

IPC: G06T7/00 ,  G06T7/33 ,  G06T5/50 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种多模态对齐校准的RGB‑D图像显著目标检测方法，包括以下步骤：从RGB‑D图像中提取RGB特征和Depth特征；对RGB特征和Depth特征进行对齐校准，产生RGB修正特征和Depth修正特征；从Depth特征中提取边特征，产生边图；联合解码RGB修正特征、Depth修正特征、边特征产生显著图；利用显著图真值、边图真值监督所述边图、显著图，通过训练集的训练，形成RGB‑D图像显著目标检测模型；利用所述RGB‑D图像显著目标检测模型检测任意一张RGB‑D图像，输出显著图为检测结果。所述方法通过对颜色特征和深度特征进行对齐校准减少两种模态之间的差异，实现有效融合，提高检测精度。

公开(公告)号：CN113658134B

公开(公告)日：2024-08-23

申请号：CN202110939965.7

申请日：2021-08-13

Applicant: 安徽大学

Inventor： 刘政怡 ,  檀亚诚 ,  朱斌 ,  张子森 ,  姚晟 ,  李炜

IPC: G06T7/00 ,  G06T7/33 ,  G06T5/50 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了一种多模态对齐校准的RGB‑D图像显著目标检测方法，包括以下步骤：从RGB‑D图像中提取RGB特征和Depth特征；对RGB特征和Depth特征进行对齐校准，产生RGB修正特征和Depth修正特征；从Depth特征中提取边特征，产生边图；联合解码RGB修正特征、Depth修正特征、边特征产生显著图；利用显著图真值、边图真值监督所述边图、显著图，通过训练集的训练，形成RGB‑D图像显著目标检测模型；利用所述RGB‑D图像显著目标检测模型检测任意一张RGB‑D图像，输出显著图为检测结果。所述方法通过对颜色特征和深度特征进行对齐校准减少两种模态之间的差异，实现有效融合，提高检测精度。