심층 특징 정보를 효율적으로 활용하여 주목성 검출을 보조하고 다양한 규모의 특징 정보를 융합하기 위해, 본 논문에서는 CDINet 알고리즘을 개선한 RGB-D 이미지 주목성 객체 검출 알고리즘을 제안한다. 먼저, 인코더와 디코더 간 특징 정보 전달을 강화하기 위해 다중 스케일 특징 융합 모듈을 추가하여 얕은 층 특징 손실을 효과적으로 감소시키고, 보조 디코더의 점프 연결을 통해 더 많은 주목성 객체의 특징 정보를 획득한다. 이어서 CDINet의 네트워크 구조 뒤쪽에 순환 주의 모듈을 연결하여 메모리 지향 장면 이해 기능을 사용해 국부 세부 사항을 점진적으로 최적화한다. 마지막으로 손실 함수를 조정하여, 일관성 강화 손실(CEL)을 사용해 다양한 스케일 특징 융합으로 인한 공간 일관성 문제를 처리하고, 파라미터 증가 없이 주목 영역을 균일하게 강조한다. 실험 결과, 개선된 모델은 원래 CDINet 알고리즘 모델과 비교해 LFSD 데이터셋에서 F-측정값이 0.6% 향상되고 MAE가 0.4% 감소했으며, STERE 데이터셋에서는 F-측정값 0.4%, S-측정값 0.5% 향상을 보였다. 다른 알고리즘 모델과 비교해 본 모델은 더 나은 검출 성능과 높은 적응성을 기본적으로 충족한다.

주목성 객체 검출; 컴퓨터 비전; 에지 검출; 딥 러닝