显著性增强和全局感知的RGB-T显著性目标检测

作     者：杨超 官铮 王学 马文笔 

作者机构：云南大学信息学院 

出 版 物：《计算机辅助设计与图形学学报》 (Journal of Computer-Aided Design & Computer Graphics)

年 卷 期：2024年

核心收录：

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：国家自然科学基金(62162065) 云南省科技厅基金(202105AF150011) 

主　　题：RGB-T显著性目标检测 细节轮廓 高级语义信息 多级特征 

摘      要：有效捕捉和利用图像不同特征层之间的特性和互补潜力， 对于精确定位显著目标和保留其细节轮廓具有重要意义. 针对现有的大多数RGB-T显著性目标检测方法将提取到的图像特征直接输入到聚合模块中， 并利用简单的递归结构定位显著目标， 其所带来的低泛化能力问题， 提出了一种显著性增强和全局感知的RGB-T显著性目标检测方法. 首先利用预训练模型提取图像的原始特征; 其次提出降噪模块(NRM)， 作为编码和跨模态解码之间的桥梁， 以纯化显著对象的特征表示; 再次提出高级语义指导模块(HSGB)， 融合不同模态的高级语义信息， 以保留显著对象的位置信息; 最后设计跨模态交互模块(MMIB)在保留显著对象位置信息的同时， 并指导解码模块进行多级特征的聚合操作， 得到最终显著图. 在VT821、VT1000和VT5000数据集上的实验结果表明， 所提方法的MAE指标分别达到3.0%、1.8%和3.0%， 性能优于大多数主流方法.