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

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