شبكة تصفية ديناميكية هرمية للكشف عن الكائنات البارزة في الصور الملونة ذات الأبعاد العميقة

الغرض الرئيسي من الكشف عن الكائن المميز باستخدام صور RGB-D (SOD) هو كيفية دمج واستخدام معلومات الدمج عبر النماذج بشكل أفضل. في هذه الورقة، نستكشف هذه القضايا من منظور جديد. نقوم بدمج ميزات مختلف النماذج من خلال هياكل متصلة بشكل كثيف، ونستخدم الميزات المختلطة لتكوين مرشحات ديناميكية ذات مجالات استقبال بمقاييس مختلفة. في النهاية، نُطبّق نوعًا من معالجة الميزات عبر النماذج متعددة المقاييس المرنة والفعالة، أي وحدة الهرم المُتَدرّج المُتَنَوِّع ديناميكيًا. ولضمان أن تكون التنبؤات ذات حواف أوضح ومناطق متماسكة من حيث البارزة، نصمم دالة خسارة مُحسَّنة مختلطة لتحسين النتائج بشكل إضافي. وقد تأكدت فعالية هذه الدالة أيضًا في مهمة الكشف عن الكائن المميز باستخدام نموذج RGB وحده. وباستخدام ستة مقاييس، تتفوّق الطريقة المقترحة على十二条 الطرق الحالية على ثمانية مجموعات بيانات تحدي صعبة. وتوّفر العديد من التجارب الكثيرة دليلًا قويًا على فعالية الوحدة والدالة المُقترحة. يمكن الوصول إلى الكود والنموذج والنتائج الخاصة بنا من خلال الرابط: \url{https://github.com/lartpang/HDFNet}.