计算机工程

作者：王安志, 任春洪, 何淋艳, 杨元英, 欧卫华

单位：贵州师范大学 大数据与计算机科学学院, 贵阳 550025

关键词：深度图,特征融合,光场,聚合网络,显著性目标检测

基金：国家自然科学基金（62162013，61962010）；贵州省自然科学基金（［2017］1130，［2017］5726-32）；贵州师范大学2019年博士科研启动项目（GZNUD［2018］32号）；贵州省大学生创新创业训练计划项目（S202010663031）；贵州师范大学大学生科研训练计划项目（DK2019A059）。

现有基于深度学习的显著性检测算法主要针对二维RGB图像设计，未能利用场景图像的三维视觉信息，而当前光场显著性检测方法则多数基于手工设计，特征表示能力不足，导致上述方法在各种挑战性自然场景图像上的检测效果不理想。提出一种基于卷积神经网络的多模态多级特征精炼与融合网络算法，利用光场图像丰富的视觉信息，实现面向四维光场图像的精准显著性检测。为充分挖掘三维视觉信息，设计2个并行的子网络分别处理全聚焦图像和深度图像。在此基础上，构建跨模态特征聚合模块实现对全聚焦图像、焦堆栈序列和深度图3个模态的跨模态多级视觉特征聚合，以更有效地突出场景中的显著性目标对象。在DUTLF-FS和HFUT-Lytro光场基准数据集上进行实验对比，结果表明，该算法在5个权威评估度量指标上均优于MOLF、AFNet、DMRA等主流显著性目标检测算法。

来源：2022年第7期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第7期