基于深度残差网络的双阶段视频显著性检测

• 作者: 张亮 李建伟 段向欢
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 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
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 160-164,202
• 页数: 6页
• 分类号: TP391.4
• 字数: 4493字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.08.028

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李建伟	河北工业大学人工智能与数据科学学院	13	8	2.0	2.0
2	张亮	广州民航职业技术学院航空港管理学院	29	31	3.0	3.0
3	段向欢	河北工业大学人工智能与数据科学学院	3	0	0.0	0.0