基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
笔者为克服自底向上的注意模型的不足,加入了自顶向下的上下文静态和动态场景信息.场景信息能更好保留有用信息、去除噪声干扰.笔者运用中央-外围差分算法,并且运用高斯分解进行多特征融合生成总显著图.在特征图中进行显著目标的提取、跟踪及焦点转移.通过引入上下文场景信息的概念,结合图像的动态和静态特征,使注意顺序更符合人类视频注意机制.实验结果表明,测试视频中的跟踪焦点总是集中在显著性最强的显著区域中.
推荐文章
基于高斯混合背景模型的运动目标检测技术研究
高斯混合背景模型
像素梯度信息
运动目标
基于视频图像分析的运动目标检测技术研究
运动目标检测
帧间差分法
混合高斯模型法
ViBe算法
复杂大交通场景弱小目标检测技术
机器视觉
深度学习
神经网络
交通场景多目标检测
增强学习
自适应
基于资源空间模型的虚拟场景技术研究
虚拟场景
资源空间模型
文件管理
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于场景信息注意模型的目标检测技术研究
来源期刊 信息与电脑 学科 工学
关键词 视觉注意 场景信息 多特征提取 目标检测
年,卷(期) 2017,(22) 所属期刊栏目 算法语言
研究方向 页码范围 42-43
页数 2页 分类号 TN215
字数 1829字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 陈云彪 2 4 1.0 2.0
2 兰天 2 3 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (10)
共引文献  (1)
参考文献  (3)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(2)
  • 参考文献(1)
  • 二级参考文献(1)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
视觉注意
场景信息
多特征提取
目标检测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
信息与电脑
半月刊
1003-9767
11-2697/TP
北京市东城区北河沿大街79号
chi
出版文献量(篇)
16624
总下载数(次)
72
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导