查询结果:   张亮,段向欢,李建伟.基于深度残差网络的双阶段视频显著性检测[J].计算机应用与软件,2019,36(8):160 - 164,202.
中文标题
基于深度残差网络的双阶段视频显著性检测
发表栏目
人工智能与识别
摘要点击数
71
英文标题
TWO-STAGE VIDEO SALIENCY DETECTION BASED ON DEEP RESIDUAL NETWORK
作 者
张亮 段向欢 李建伟 Zhang Liang Duan Xianghuan Li Jianwei
作者单位
广州民航职业技术学院航空港管理学院 广东 广州 510403 河北工业大学人工智能与数据科学学院 天津 300401    
英文单位
Airport Management College, Guangzhou Civil Aviation College, Guangzhou 510403, Guangdong, China School of Artificial Inteligence, Hebei University of Technology, Tianjin 300401, China    
关键词
显著性检测 视频显著性检测 深度残差网络 周期性学习率 U-net
Keywords
Saliency detection Video saliency detection Deep residual network Cyclical learning rate U-net
基金项目
河北省自然科学基金项目(C2018202083)
作者资料
张亮,副教授,主研领域:显著性检测,无人机图像处理。段向欢,硕士生。李建伟,教授。 。
文章摘要
为了进一步推进视频显著性检测的研究,提出一种以深度残差网络和U-net为基本结构的双阶段视频显著性检测方法。用静态图像和视频序列训练第一阶段模型来分别提高模型对于空间特征和时序特征的学习能力;通过调整基本结构的输入端,融合连续三帧视频序列以及第一阶段得到的显著图作为每次的输入来训练第二阶段的模型,增强模型学习的时序特征;融合周期性学习率,使得学习率周期性变化,保证模型在训练的每个阶段可以利用到最佳学习率,以此更好更快地达到收敛。实验表明,该方法在两个公开视频数据集上的检测效果均超过了当前主流的方法,检测精度更高,鲁棒性更好。
Abstract
In order to further promote the research of video saliency detection, we proposed two-stage video saliency detection based on deep residual network and U-net. The static image and video sequence were used to train the model in the first stage to improve the learning ability of the model for spatial and temporal features. By adjusting the input end of the basic structure, fusing three consecutive video sequences and saliency images obtained in the first stage as input, the second stage model was trained to enhance the temporal characteristics of model learning. In addition, the cyclical learning rate was fused to make the learning rate change periodically, which ensured that the model could use the optimal learning rate in each stage of the training process to achieve better and faster convergence. Experiments show that the proposed method is better than the current mainstream methods on both open video datasets, and has higher detection accuracy and better robustness.
下载PDF全文   

根据该篇关键词查找到本刊已发表相关论文供参考
序号
文  章  标  题
作者1
发表栏目
页码
摘要
1
基于深度残差网络的双阶段视频显著性检测
张亮
人工智能与识别
2019
8
160
[摘要]
2
显著性目标检测中的视觉特征及融合
袁小艳
图像处理与应用
2017
8
213
[摘要]
3
基于超像素分类的显著目标检测
李继德
图像处理与应用
2017
1
180
[摘要]
4
基于多重特征信息的图像显著性检测方法
孟莎莎
图像处理与应用
2016
9
190
[摘要]
5
基于运动和空间方向一致性的视频显著性检测
韩冬
多媒体技术应用
2016
7
159
[摘要]
6
基于显著性和区域比较的自动物体提取算法
刘兆瑞
图像处理与应用
2016
2
153
[摘要]
7
Smoothness加强的全局和局部显著目标检测
黄子超
图像处理与应用
2016
12
160
[摘要]
8
基于整形特征的目标显著性检测算法研究
胡玉兰
算法
2016
11
204
[摘要]