声明
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状及发展趋势
1.3 论文主要研究内容
1.4 论文的结构安排
2 显著性物体检测介绍
2.1 2D显著性物体检测
2.2 3D显著性物体检测
2.3 4D显著性物体检测
2.4 其他技术介绍
(1) CBAM: Convolutional Block Attention Module
(2) 空洞卷积
2.5 本章小结
3 基于RGB-D的显著性物体检测模型
3.1 检测模型框架
3.1.1 模型引入
3.1.2 总体结构
3.2 多层信息融合模块
3.3 深度诱导的多尺度上下文融合模块
3.4 循环注意力模块
3.5 本章小结
4 实验数据集与度量方法
4.1 RGB-D数据集
4.1.1 数据集获取方式
4.1.2 公开RGB-D数据集分析
4.1.3 本文所提供数据集分析
4.2 训练集和测试集
4.3 实验度量方法介绍
4.4 本章小结
5 实验结果及分析
5.1 实验设置
5.2 实现细节
5.3 实验结果分析
5.3.1 定量分析
5.3.2 定性分析
5.4 模型简化测试分析
5.4.1 多层信息融合-DRB的性能
5.4.2 深度诱导的多尺度上下文加权模块-DMSW的性能
5.4.3 循环注意力模块-RAM的性能
5.4.4 模型简化分析小结
5.5 本章小结
结论
参 考 文 献
攻读硕士学位期间发表学术论文及获奖情况
致谢
大连理工大学学位论文版权使用授权书