[发明专利]基于多尺度自适应融合的RGB-D显著目标检测方法

权利要求书

1.基于多尺度自适应融合的RGB-D显著目标检测方法，其特征在于，步骤如下：

步骤S1：数据预处理；根据输入的图像组，利用双流网络分别提取两个模态的多尺度特征；图像组包括RGB图像和深度图像；

步骤S2：采取尺度自适应融合编码器，根据跨模态的多尺度属性整合其层次特征；

步骤S3：融合多尺度特征，生成预测的显著目标图；

步骤S4：根据损失函数训练整个算法，使算法预测结果拟合正确结果；

步骤S5：利用训练集对RGB-D显著目标检测模型进行训练，并利用验证集对正在训练的模型进行验证，所得的整个算法模型即为RGB-D显著目标检测的工具。

2.如权利要求1所述的基于多尺度自适应融合的RGB-D显著目标检测方法，其特征在于，所述步骤S1，具体为：

步骤S11：将输入的RGB图像与对应的深度图像，利用VGG-16作为骨干网结合部分解码器，分别独立提取多层次特征；

步骤S12：利用整体注意力模块处理来自优化层的特征图和初始显著图，精确边缘信息，均匀地分割整个对象；

步骤S13：输出RGB图像与对应的深度图像的初步预测图。

3.如权利要求1或2所述的基于多尺度自适应融合的RGB-D显著目标检测方法，其特征在于，所述步骤S2，具体为：

步骤S21：对于浅尺度特征，基于PointNet++方法实现特征提取，在3D点云空间中学习特征表示；

步骤S22：对于中尺度特征，设计空间对比精细化模块，通过挖掘空间对比信息，精确整合多模态特征；

步骤S23：对于深尺度特征，利用深度感知通道注意力，自适应地增强RGB-D模态下的语义线索表征能力。

4.如权利要求1或2所述的基于多尺度自适应融合的RGB-D显著目标检测方法，其特征在于，所述步骤S3，具体为：

步骤S31：融合多尺度特征；

步骤S32：将融合后的特征与RGB显著预测图、深度显著预测图整合；

步骤S33：输出最终预测的显著目标特征图，使用图像真值作为监督。

5.如权利要求3所述的基于多尺度自适应融合的RGB-D显著目标检测方法，其特征在于，所述步骤S3，具体为：

步骤S31：融合多尺度特征；

步骤S32：将融合后的特征与RGB显著预测图、深度显著预测图整合；

步骤S33：输出最终预测的显著目标特征图，使用图像真值作为监督。