时空渐进式学习的视频显著性目标检测

作     者：王星驰 李军侠 WANG Xing-Chi;LI Jun-Xia

作者机构：南京信息工程大学自动化学院南京210044 南京信息工程大学计算机与软件学院南京210044 

基　　金：科技创新2030-“新一代人工智能”重大项目(2018AAA0100400) 

出 版 物：《计算机系统应用》 (Computer Systems & Applications)

年 卷 期：2023年第32卷第4期

页      码：317-328页

摘      要：视频显著性目标检测需要同时结合空间信息和时间信息,连续地定位视频序列中与运动相关的显著性目标,其核心问题在于如何高效地刻画运动目标的时空特征.现有的视频显著性目标检测算法大多使用光流,ConvLSTM以及3D卷积等提取时域特征,缺乏对时间信息的连续学习能力.为此,设计了一种鲁棒的时空渐进式学习网络(spatial-temporal progressive learning network,STPLNet),以完成对视频序列中显著性目标的高效定位.在空间域中使用一种U型结构对各视频帧进行编码解码,在时间域中通过学习视频序列中帧间运动目标的主体部分和形变区域特征,渐进地对运动目标特征进行编码,能够捕捉到目标的时间相关性特征和运动趋向性.在4个公开数据集上与13个主流的视频显著性目标检测算法进行一系列对比实验,所提出的模型在多个指标(maxF,Smeasure(S),MAE)上达到了最优结果,同时在运行速度上具有较好的实时性.

主 题 词：视频显著性目标检测 深度学习 空间信息 时间信息 静态特征挖掘 运动特征渐进学习 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

D　O　I：10.15888/j.cnki.csa.009027

馆 藏 号：203121081...