-
题名基于时空信息的轻量视频显著性目标检测网络
- 1
-
-
作者
徐松
张文博
王一帆
-
机构
大连理工大学信息与通信工程学院
大连理工大学创新创业学院
-
出处
《计算机应用》
CSCD
北大核心
2024年第7期2192-2199,共8页
-
基金
中央高校基本科研业务费专项基金资助项目(DUT22LAB124)。
-
文摘
现有视频显著性目标检测(VSOD)网络面临2个问题:一是在捕获时间信息时计算成本过大,导致网络难以在移动端实际应用;二是网络泛化能力较弱,难以处理视频中诸如遮挡、运动模糊等挑战性场景。因此,提出一种基于动态滤波器和对比学习思想的轻量视频显著性目标检测网络。首先,对连续帧的每帧图像进行粗略的前景特征点采样并进行相似度矩阵的计算,利用相似度矩阵进行加权从而滤除存在的噪声特征;其次,用滤波后的前景特征生成动态滤波器参数,对原始特征图执行卷积操作以提取前景物体;同时在训练阶段设计了一个对比学习模块帮助网络学习,在推理阶段并不会引入额外的计算量。在三个数据集DAVIS、DAVSOD和VOS上进行了广泛实验,实验结果表明,所提网络相较于DCFNet(Dynamic Context-sensitive Filtering Network for video salient object detection),在Fmeasure、S-measure以及平均绝对误差(MAE)3个指标上性能接近,帧率从28 frame/s提升到38 frame/s,提升了35.7%,同时网络参数量仅有15.6×10^(6),更有利于实际应用中在边缘侧进行部署。
-
关键词
视频显著性目标检测
动态滤波器
注意力机制
对比学习
深度学习
-
Keywords
video salient object detection
dynamic filter
attention mechanism
contrastive learning
deep learning
-
分类号
T391.4
[一般工业技术]
-
-
题名基于条件生成对抗网络的视频显著性目标检测
被引量：1
- 2
-
-
作者
李建伟
段向欢
徐梦梦
薛桂香
-
机构
河北工业大学人工智能与数据科学学院
-
出处
《传感器与微系统》
CSCD
2019年第11期129-132,共4页
-
基金
国家自然科学基金资助项目(81672113)
河北省自然科学基金资助项目(C2018202083)
河北省高层次人才资助项目(B2017005002)
-
文摘
针对传统的显著性检测方法存在着流程复杂,计算成本高,特征学习不足等问题,受生成对抗网络以及弹性网络的启发,提出一种基于条件生成对抗网络(cGAN)与L1,L2范式联合正则的视频显著性目标检测方法。方法需训练2个模型:生成器和判别器。生成器尽可能生成与真实值一样的显著图来迷惑判别器,使其难以辨别预测的显著图的真实性。判别器则尽可能准确地区分“假”显著图。实验表明:所提方法在两个公开视频数据集上的检测效果都超过了当前主流方法,且算法流程简单,运算效率更高。
-
关键词
视频显著性目标检测
条件生成对抗网络
联合正则
-
Keywords
video salient object detection
conditional generative adversarial networks
joint regularization
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
