其他分享
首页 > 其他分享> > 论文:CNN-based RGB-D Salient Object Detection: Learn, Select and Fuse

论文:CNN-based RGB-D Salient Object Detection: Learn, Select and Fuse

作者:互联网

1,CNN是什么?

2, RGB-D是什么?

3,解决的问题是 RGB-D salient object detection

4,解决的问题分为三个层面:

modal-specific representation learning----作者提出:a hierarchical cross-modal distillation scheme

complementary cue selection---作者提出:residual function

cross-modal complement fusion.---作者提出:

CNN神经网络学习(cs231N学习)

5, 背景介绍:

  1. depth sensors是什么。
  2. 什么是salient object。
  3. 什么是modality(模态)
  4. 深度图的编码方式:三通道输入。
  5. RGB图结合深度信息可以解决背景和物体颜色相近的挑战问题。
  6. 前人已经提出很多关于RGB-D的算法。

 

6,延申:

RGB-D相机:可以获取前景和后景的距离。微软的Kinect系列,intel的realsense系列。

目前的问题:

光滑面反射、半透明物体、深色物体、超出距离。

很多深度值大范围缺失。

深度图补全是一个非常好的研究方向,2018 CVPR提出深度图补全算法。deep depth completetion。

输入: depth 图 + TGB 图

输出: 补全缺失的图

 

标签:深度图,based,补全,Object,depth,Detection,RGB,modal,CNN
来源: https://www.cnblogs.com/lixiangfu/p/15195455.html