RGB-T SOD思维导图
RGB-T SOD介绍
树图思维导图提供 RGB-T SOD 在线思维导图免费制作，点击“编辑”按钮，可对 RGB-T SOD 进行在线思维导图编辑，本思维导图属于思维导图模板主题，文件编号是：0035bfcde2d6e1898ed903eec0d54c82
思维导图大纲
RGB-T SOD思维导图模板大纲
2018
传统的机器学习方法
题目：RGB-T Saliency Detection Benchmark: Dataset, Baselines, Analysis and a Novel Approach
来源：
Springer Nature Singapore Pte Ltd
作者：
Guizhao Wang, Chenglong Li, Yunpeng Ma, Aihua Zheng, Jin Tang,and Bin Luo School of Computer Science and Technology, Anhui University,
主要内容：
基于图形的多任务流行排序算法，为每个模态分配一个权重描述其可靠性，将它们与其模态权值相结合，计算出最终的显著性映射
存在问题：
手工特征仅用于计算显著性值；图的结构是固定的，只考虑局部邻居，不能捕获图节点之间更多的内在关系；图的构造和显著性计算是独立的阶段；图像的边界存在图像配准引起的噪声，一些物体可能在图像的边界附近
未来方向：
RGB-T图像的边界存在图像配准引起的噪声，一些物体可能在图像的边界附近
题目： Learning Multiscale Deep Features and SVM Regressors for Adaptive RGB-T Saliency Detection
来源
International Symposium on Computational Intelligence and Design
作者
Yunpeng Ma, Dengdi Sun, Qianqian Meng, Zhuanlian Ding and Chenglong Li School of Computer Science and Technology, Anhui Univeristy
主要内容
提出了一种多尺度上下文来捕获RGB和热模式的语义和鉴别信息。然后，进行自适应数据融合，并通过支持向量机学习每个模态的可靠性加权，将其与相应的显著性图结合，实现融合的显著性图。
存在问题
深度cnn是在ImageNet数据集上进行图像分类，而不是用于显著性目标检测，这意味着显著性线索可能没有得到很好的探索。
未来方向
第一个用于RGBT显著性目标检测的端到端深度网络
2019
传统的机器学习方法
题目：RGB-T Image Saliency Detection via Collaborative Graph Learning
来源：
IEEE TRANSACTIONS ON MULTIMEDIA
作者：
Zhengzheng Tu, Tian Xia, Chenglong Li , Xiaoxiao Wang, Yan Ma, and Jin Tang
主要内容
引入一种多尺度多模态流形排序算法来计算基于超像素的图上的显著性。
存在问题
鲁棒性低
未来方向
扩展数据集，用于对不同的深度学习方法进行大规模的评估，并研究更多的先验知识，以提高我们的模型的鲁棒性
题目：M3S-NIR: Multi-Modal Multi-Scale Noise-Insensitive Ranking for RGB-T Saliency Detection
来源
IEEE Conference on Multimedia Information Processing and Retrieval (MIPR)
作者
Zhengzheng Tu Anhui University School of Computer Science and Technology Hefei,China zhengzhengahu@163.com
主要内容
采用了基于图的流形排序的思想，利用排序函数上的多模态信息来协同集成不同的模态
存在问题
是对第一篇的改进，避免突出对象边界上的噪声
未来方向
研究其他先验模型和图的构造来提高我们的方法的鲁棒性
2020
深度学习方法
题目：RGB-T Salient Object Detection via Fusing Multi-Level CNN Features
来源
IEEE TRANSACTIONS ON IMAGE PROCESSING
作者
Qiang Zhang , Nianchang Huang, Lin Yao, Dingwen Zhang, Caifeng Shan , Senior Member, IEEE, and Jungong Han
主要内容
提出了一种相邻深度的特征组合模块，并探索了多层次的融合特征
未来方向
图像分类、对象跟踪和实例级对象检索
题目：RGBT Salient Object Detection: A Large-scale Dataset and Benchmark
来源
Computer Vision and Pattern Recognition
作者
Zhengzheng Tu / Yan Ma / Zhun Li / Chenglong Li / Jieming Xu / Yongtao Liu
主要内容
使用注意机制来细化两种模式的多层次特征，并采用另一个编码分支来融合这些特征---第一个端到端深度学习研究方法
未来方向
设计一个合适的深度网络，考虑RGB和热模式的特殊特性
无监督和弱监督的RGBT SOD是有价值的研究方向
无对齐的方法将使RGBT SOD在现实世界的应用中更加流行和实用。
题目： RGBT salient object detection: Benchmark and a novel cooperative ranking approach
来源：
IEEE TRANSACTIONS ON MULTIMEDIA
作者：
Zhengzheng Tu, Tian Xia, Chenglong Li , Xiaoxiao Wang, Yan Ma, and Jin Tang
主要内容
引入一种多尺度多模态流形排序算法来计算基于超像素的图上的显著性。
存在问题
鲁棒性低
未来方向
扩展数据集，用于对不同的深度学习方法进行大规模的评估，并研究更多的先验知识，以提高我们的模型的鲁棒性
题目： RGB-T Image Saliency Detection via Collaborative Graph Learning
2021
a. 反美的
2022
n. 抗体
2023
a. 抗癌的
相关思维导图模板
树图思维导图提供 杰弗里·乔叟的生平介绍脑图 在线思维导图免费制作，点击“编辑”按钮，可对 杰弗里·乔叟的生平介绍脑图 进行在线思维导图编辑，本思维导图属于思维导图模板主题，文件编号是：47bb57bbaa755357a883eaa4386b8c33
树图思维导图提供 判断推理·翻译推理 在线思维导图免费制作，点击“编辑”按钮，可对 判断推理·翻译推理 进行在线思维导图编辑，本思维导图属于思维导图模板主题，文件编号是：382a423b49ce9d55583feb2a6fb42734
沪公网安备 31011502019485号
上海工商