一种基于双边注意力机制的RGB-D显著性物体检测方法

摘要

本发明涉及图像处理技术领域，尤其为一种基于双边注意力机制的RGB‑D显著性物体检测方法，步骤如下；S10跨模态特征提取、S20显著区域初步预测、S30预测图上采样、S40基于双边注意力的残差生成、S50残差补偿、S60重复步骤S30至S50，自顶向下地得到最终的预测结果，所述S10跨模态特征提取包括，使用神经网络提取RGB图像和深度图不同层级的特征。本发明的目的是解决基于深度学习的RGB‑D方法无差别地从前景背景中学习所致的性能瓶颈问题，设计了一种基于双边注意力机制的RGB‑D显著性物体检测方法（BiANet），本发明提出的BiANet通过双边注意力机制有效地从前景背景中学习到了显著性物体的特性，经实验，本发明在公开的6个数据集上均超越最前沿的RGB‑D显著性物体检测方法。