公开(公告)号：CN113298094B

公开(公告)日：2022-11-04

申请号：CN202110645432.8

申请日：2021-06-10

申请人： 安徽大学

发明人： 涂铮铮 ,  李准 ,  王沛洲 ,  臧兴华 ,  樊康 ,  潘正悦 ,  田英健 ,  李成龙 ,  汤进

IPC分类号： G06V10/46 ,  G06V10/26 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开一种基于模态关联与双感知解码器的RGB‑T的显著性目标检测方法，本发明通过模态对齐模块(MAM)来建模两种模态的强关联性，其空间仿射变换，特征仿射变换和一个动态卷积层来实现特征对齐和建立更灵活的模态关联性；本发明的双重解码器结合自底向上和自顶向下的方式，学习由精到粗和由粗到精的两种感知过程，从而获得更强大的信息选择与融合的能力；进一步通过将MAM中的前两个组件和全局上下文增强部分添加到ConvLSTM中，本发明的显著图比其他先进的方法具有更高的置信度。

公开(公告)号：CN113298094A

公开(公告)日：2021-08-24

申请号：CN202110645432.8

申请日：2021-06-10

申请人： 安徽大学

发明人： 涂铮铮 ,  李准 ,  王沛洲 ,  臧兴华 ,  樊康 ,  潘正悦 ,  田英健 ,  李成龙 ,  汤进

IPC分类号： G06K9/46 ,  G06K9/34 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开一种基于模态关联与双感知解码器的RGB‑T的显著性目标检测方法，本发明通过模态对齐模块(MAM)来建模两种模态的强关联性，其空间仿射变换，特征仿射变换和一个动态卷积层来实现特征对齐和建立更灵活的模态关联性；本发明的双重解码器结合自底向上和自顶向下的方式，学习由精到粗和由粗到精的两种感知过程，从而获得更强大的信息选择与融合的能力；进一步通过将MAM中的前两个组件和全局上下文增强部分添加到ConvLSTM中，本发明的显著图比其他先进的方法具有更高的置信度。