一种基于特征细化的跨模态融合显著性检测方法

摘要

本发明公开了一种基于特性细化的跨模态融合显著性检测方法，应用于深度学习技术领域，具体步骤包括：选取Q幅原始立体图像的RGB图、深度图和对应的真实人眼注释图构成训练集；构建卷积神经网络，所述卷积神经网络利用边缘指导模块处理边缘特征，并利用特征细化模块细化特征；将RGB图和深度图作为输入，输入到所述卷积神经网络中进行训练，得到显著性预测结果图；计算训练得到的的显著性预测图构成的集合与对应的真实人眼注视图构成的集合之间的损失函数值；重复训练并计算损失函数值，确定最优权值矢量和最优偏置项。本发明能够有效针对不同类型的图像进行特征提取，结合跨模态的融合方式，能够显著提高检测图像中显著性区域的效率。