مسأله ی تشخیص اشیا در تصویر، هرچند موضوعی قدیمی است و تلاش های زیادی برای پیشرفت آن صورت گرفته است، اما همچنان مسأله ای پیچیده و زمینه ای فعال برای بسیاری از پژوهشگران است؛ چرا که با وجود پیشرفت های زیاد، هنوز روش های موجود، دقت و سرعت کافی جهت استفاده در بسیاری از کاربردهای پیچیده ی واقعی را ندارند. در سال های اخیر، برای استفاده از روش های مبتنی بر توجه دیداری، در کاربردهایی مانند تشخیص اشیا تلاش هایی انجام شده است. اما غالب این روش ها بدین گونه هستند که ابتدا نقشه ی برجستگی تصویر تولید شده و سپس بر اساس آن، از یکی از روش های موجود استفاده می شود. در واقع در این روش ها، نقشه ی برجستگی به عنوان یک پیش پردازش صورت گرفته و پیدا کردن اشیا یا حل مسلئل دیگر در مرحله ای جداگانه صورت می گیرد. در این تحقیق، استفاده از برجستگی به شکلی جدید انجام شده است. این روش می تواند منجر به کاهش قابل ملاحظه ی نواحی مورد پردازش برای یافتن هدف شود و در نتیجه زمان پیدا کردن اشیا را در تصویر rgbd به مقدار زیادی کاهش دهد؛ در عین حال دقت الگوریتم ارائه شده، هم چنان به اندازه ی بهترین روش های موجود برای این امر باقی می ماند. در این روش، نقاطی که به صورت پایین به بالا برجسته هستند به عنوان نقاط شروع الگوریتم در نظر گرفته می شوند و الگوریتم با شروع از این نقاط، نواحی را با توجه به برجستگی بالا به پایین آنها گسترش می دهد؛ به گونه ای که این گسترش برای اشیایی که شباهت زیادی به تصویر هدف دارند، بیشتر و برای تصاویر غیر مشابه بسیار کمتر انجام می شود. استفاده از تصاویر عمق و تصاویر رنگی در کنار هم می تواند منجر به افزایش قابل ملاحظه ی دقت الگوریتم های تشخیص اشیا شود. در سال های اخیر، برخی پژوهشگران، استفاده ی همزمان از این دو نوع تصویر را برای تشخیص اشیا بررسی کرده و نتایجی ارائه کرده اند که بیانگر بهبود دقت تشخیص بوده است. در اغلب کارهای انجام شده در این زمینه، تصویر رنگ و عمق به صورت جداگانه پردازش شده و تنها نتایج حاصل با یکدیگر ترکیب شده اند. در این پژوهش، روشی نوین برای بهره گیری از اطلاعات موجود در ترکیب این دو نوع تصویر ارائه و بررسی شده است.