17일 전

RGB-D 세그멘테이션을 위한 딥 페처 선택 및 융합

Yuejiao Su, Yuan Yuan, Zhiyu Jiang
RGB-D 세그멘테이션을 위한 딥 페처 선택 및 융합
초록

시나리오의 깊이 정보는 더 정확한 의미 분할을 위한 시각 정보를 보완할 수 있다. 그러나 다중 모달리티 정보를 대표적인 특징에 효과적으로 통합하는 방법은 여전히 해결되지 않은 과제이다. 기존의 대부분의 연구는 다중 모달리티 정보를 암묵적으로 융합하기 위해 DCNN(심층 컨볼루셔널 신경망)을 사용한다. 그러나 네트워크가 깊어질수록 중요한 구분 특징 일부가 손실되면서 분할 성능이 저하되는 문제가 발생한다. 본 연구는 다중 모달리티 정보를 명시적으로 융합하기 위해 대칭적 다중 모달리티 잔차 융합 모듈을 포함하는 통합적이고 효율적인 특징 선택 및 융합 네트워크(FSFNet)를 제안한다. 또한, 네트워크의 전방 전파 과정에서 저수준의 세부 정보를 유지하기 위해 세부 특징 전파 모듈을 포함하고 있다. 최신 기술과의 비교 실험 결과, 제안된 모델이 두 개의 공개 데이터셋에서 경쟁력 있는 성능을 달성함을 입증하였다.

RGB-D 세그멘테이션을 위한 딥 페처 선택 및 융합 | 최신 연구 논문 | HyperAI초신경