软件学报

作者：丛润民，张晨，徐迈，刘鸿羽，赵耀

单位：丛润民，北京交通大学 信息科学研究所, 北京 100044;现代信息科学与网络技术北京市重点实验室, 北京 10004411,张晨，北京交通大学 信息科学研究所, 北京 100044;现代信息科学与网络技术北京市重点实验室, 北京 10004402,徐迈，北京航空航天大学 电子信息工程学院, 北京 10019103,刘鸿羽，北京交通大学 信息科学研究所, 北京 100044;现代信息科学与网络技术北京市重点实验室, 北京 10004404,赵耀，北京交通大学 信息科学研究所, 北京 100044;现代信息科学与网络技术北京市重点实验室, 北京 10004405

关键词：显著性目标检测;RGB-D图像;跨模态信息交互;深度质量感知

基金：中央高校基本科研业务费专项资金(2022JBMC002); 北京市自然科学基金(4222013, JQ20020); 科技创新2030——“新一代人工智能”重大项目(2021ZD0112100); 北京市科技新星计划(Z201100006820016);国家自然科学基金(62002014, U1936212, 62120106009, 61922009, 61876013, 62050175); 中国科协青年人才托举工程(2020QNRC001); 北京市科协青年人才托举工程

受人类的视觉注意力机制启发, 显著性目标检测任务旨在定位给定场景中最吸引人注意的目标或区域. 近年来, 随着深度相机的发展和普及, 深度图像已经被成功应用于各类计算机视觉任务, 这也为显著性目标检测技术提供了新思路. 通过引入深度图像, 不仅能使计算机更加全面地模拟人类视觉系统, 而且深度图像所提供的结构、位置等补充信息也可以为低对比度、复杂背景等困难场景的检测提供新的解决方案. 鉴于深度学习时代下RGB-D显著目标检测任务发展迅速, 旨在从该任务关键问题的解决方案出发, 对现有相关研究成果进行归纳、总结和梳理, 并在常用RGB-D SOD数据集上进行不同方法的定量分析和定性比较. 最后, 对该领域面临的挑战及未来的发展趋势进行总结与展望.

来源：2023年第4期

《软件学报》期刊编辑部

查看软件学报杂志2023年第4期