SPSN: شبكة عينات النماذج الفائقة البكسل للكشف عن الأشياء البارزة في صور RGB-D

اكتشاف الكائنات البارزة في الصور RGB-D (SOD) قد حظي باهتمام كبير مؤخرًا لأنه يعتبر عملية معالجة مسبقة مهمة لمهام الرؤية المختلفة. ومع ذلك، على الرغم من التقدم المحرز في الأساليب المستندة إلى التعلم العميق، لا يزال اكتشاف الكائنات البارزة في الصور RGB-D (RGB-D SOD) يشكل تحديًا بسبب الفجوة المجالية الكبيرة بين صورة RGB والخريطة العمقية وجودة الخرائط العمقية المنخفضة. لحل هذه المشكلة، نقترح هندسة شبكة عينات النماذج الفائقة البكسل (SPSN). يقوم النموذج المقترح بتقسيم الصورة RGB الدخلة وخريطة العمق إلى بيكسلات فائقة مكونة لإنشاء نماذج مكونة. كما صممنا شبكة عينات النماذج بحيث تقوم الشبكة فقط بعينة النماذج المرتبطة بالكائنات البارزة. بالإضافة إلى ذلك، نقترح وحدة اختيار الاعتماد لتحديد جودة كل خريطة ميزات RGB والعمق وتوزيع الأوزان عليها بشكل تكيفي نسبةً لموثوقيتها. يعزز الطريقة المقترحة قدرة النموذج على مقاومة عدم التطابق بين صور RGB وخرائط العمق ويقضي على تأثير الكائنات غير البارزة. تم تقييم طريقتنا على خمس قواعد بيانات شائعة، حيث حققت أداءً رائدًا في مجالها. وقد أثبتنا فعالية الطريقة المقترحة من خلال التجارب المقارنة.