10.3969/j.issn.1000-386x.2019.08.028
基于深度残差网络的双阶段视频显著性检测
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.
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
36
TP391.4(计算技术、计算机技术)
河北省自然科学基金项目C2018202083
2019-08-28(万方平台首次上网日期,不代表论文的发表时间)
共6页
160-164,202