近日，东北大学理学院数学系朱和贵副教授课题组在跨模态显著性目标检测研究方面取得新进展。研究成果“CMIGNet: Cross-Modal Inverse Guidance Network for RGB-Depth Salient Object Detection”被国际顶级期刊Pattern Recognition接受在线发表，论文第一作者为朱和贵副教授，东北大学为第一完成单位。
显著性目标检测（SOD）旨在精确定位图像中最具视觉冲击力的部分，在图像处理和计算机视觉任务中具有广泛应用。论文设计的CMIGNet网络利用高级解码特征来引导低级RGB特征和深度编码特征，从而快速识别显著区域并消除噪声，解决 RGB-D SOD 任务中编码和解码特征连接不足以及噪声干扰的问题，大大提高了处理不完整或嘈杂数据时的鲁棒性，解决在复杂场景下模态融合不充分的问题。与其他网络对比，CMIGNet更轻量、更快速，在资源受限的环境中表现出色。
据悉，Pattern Recognition是模式识别领域最重要的国际期刊之一，创刊于1968年，该期刊最新影响因子为8.0，被中国自动化学会（CAA）认定为A类国际学术期刊，中国计算机学会CCF评为“国际重要期刊，具有重要国际学术影响”。
