结合彩色和深度信息的图像显著性检测方法
RGB-D图像处理；
一种基于低秩多尺度融合的图像显著性检测方法
协同显著性检测
一种基于显著性检测的深度图提取方法
深度图的提取
基于U形网络和对抗学习的显著性检测方法
对抗学习在哪里？类似GAN网络?鉴别器？
基于深度信息的图像显著性检测方法和装置
现有的融合网络，主要关注特征的融 合范式而忽略了不同层次特征之间融合与传递过程的重要性，忽视了高层特征和低层特征 之间的差异，忽视了低层特征背景噪声的干扰，这会造成高层特征的全局语义信息丢失，也 可能会增加低层特征的干扰。
如何生成深度信息？特征图像？
基于多尺度重构误差融合的绝缘子显著性检测方法
绝缘子检测？绝缘子图像？
结合显著性检测和深度学习的船只检测方法及系统
一种基于最优特征选择的低对比度图像显著性检测方法
2-1 .首先对输入图像的RGB颜色空间进行归一化，然后将归一化后图像转换为LAB、HSV 和YCbCr颜色空间，以便提取出九种颜色特征； 2-2.利用图像的二维熵来表示其纹理特征，纹理特征的变化通过熵的变化来确定；
2-3 .通过在输入的灰度图像上执行不同方向θ∈{0°,45°,90°,135°}的Gabor滤波器来 获取方向特征；
2-4.通过平均水平梯度和垂直梯度来计算梯度特征；
超分割对图像的显著性优点？可以用到其中吗？
基于多层融合的卷机网络RGB-D显著性检测方法
采用不同的训练数据对新的卷积神经网络依次进行初始化训练、 第一第二次微调训练； 对训练后的结果， 使用显著性物体的最小包围框， 对输入图像进行剪切和镜面翻转， 获取显著性检测结果
基于金字塔特征注意的图像显著性检测方法
对于低层次的特征， 使用空间注意力模块使网络过滤掉一些背景噪声， 学习到合适
的特征
一种基于空间金字塔池的多模态融合显著性检测方法
RGB-D图像处理
一种基于深度融合的视频显著性检测方法
首先， 深度特征提取网络提取多级深度特征， 产生深度空间特征和深度时间特征
一种基于信息融合卷积神经网络的图像显著性检测方法
多模态信息融合模块
基于特征金字塔网络和通道注意力的视觉显著性检测方法
本发明具有改善不同层次特征之间的融合质量、 提高所获得的显著图的准确性等优点。？？？通道注意力模型的功能 ？
一种基于多尺度特征注意机制的快速显著性检测方法
基于多通道特征的全景视频显著性检测方法
反向ERP变换？
一种基于多特征最优融合的图像显著性检测方法
通过支持向量机对训练数据的学习， 能够根据图像的各种特征对于显著性检测的重要程度大小为各种特征设置不同的权重
支持向量机对数据进行处理？
一种基于多尺度特征融合的RGBD显著性检测方法
RGB-D融合多特征
基于特征选择和特征融合的图像显著性检测方法
？？？如何融合的多特征呢？
通道注意力模块？
一种基于深度预测图的RGB-D显著性检测方法
深度注意力模块？