波形驱动的多频段特征融合用于RGB-T突出物体检测
Jianxun Zhao1, Xin Wen1, Yu He1
1School of Software Engineering, Shenyang University of Technology, Shenyang 110870, China.
Sensors (Basel, Switzerland)
|January 8, 2025
概括
本研究介绍了一种改进的RGB-T突出物体检测 (SOD) 方法,使用波波变换和通道智能注意力融合. 这种方法改善了功能利用,以更好地检测全球背景和细节.
科学领域:
- 计算机视觉 计算机视觉
- 图像处理 图像处理
背景情况:
- 在计算机视觉中,RGB-T突出物体检测 (SOD) 是至关重要的.
- 现有的SOD方法难以跨尺度整合高频和低频特征.
- 这种限制阻碍了在复杂场景中实现最佳检测性能.
研究的目的:
- 提出一种先进的RGB-T突出物体检测方法.
- 通过整合波形变换和通道智能注意力融合来增强功能利用.
- 为了改善全球背景和细节的检测.
主要方法:
- 利用波形变换用于特征差异化和空间特征提取.
- 采用通道智能交叉模块 (CCM) 进行适应性交叉模式特征融合.
- 集成了一个特征选择波波变换模块 (FSW),用于选择有利的低频和高频特征.
主要成果:
- 拟议的方法有效地提取空间特征,改善全球背景和细微细节的检测.
- 道智能注意力融合适应性地调整特征重要性,产生丰富的融合信息.
- 该FSW模块通过长距离连接增强功能聚合,从而实现更高的细分精度.
结论:
- 开发的RGB-T SOD方法显著优于22种最先进的方法.
- 波段转换和通道注意力融合在解决现有SOD方法的局限性方面是有效的.
- 该方法在突出物体检测任务中表现出卓越的性能.
