顯著性目標(biāo)檢測(cè)旨在確定自然場(chǎng)景中最能吸引人們注意力的目標(biāo)區(qū)域。相比高層的圖像理解算法,如目標(biāo)檢測(cè)、目標(biāo)跟蹤、圖像檢索,顯著性目標(biāo)檢測(cè)屬于底層的圖像處理方法,可以利用其結(jié)果提升其他圖像算法的速度和精度。根據(jù)顯著性算法的輸入數(shù)據(jù)不同,顯著性目標(biāo)檢測(cè)可以分為圖像顯著性目標(biāo)檢測(cè)和視頻顯著性目標(biāo)檢測(cè)。相比圖像顯著性,視頻顯著性需要同時(shí)考慮單幀圖像的空間特性和視頻序列的時(shí)序特性,其計(jì)算復(fù)雜,挑戰(zhàn)性高。本文的研究重點(diǎn)即為視頻顯著性目標(biāo)檢測(cè)。最近幾年,基于深度學(xué)習(xí)的方法已成為各種視覺任務(wù)的研究熱點(diǎn)。然而,現(xiàn)階段基于深度學(xué)習(xí)的視頻顯著性檢測(cè)仍存在以下難點(diǎn):1)訓(xùn)練數(shù)據(jù)不足。深度網(wǎng)絡(luò)是數(shù)據(jù)驅(qū)動(dòng)的模型,需要使用大量的標(biāo)記樣本來完成網(wǎng)絡(luò)訓(xùn)練。在視頻顯著性檢測(cè)中,訓(xùn)練數(shù)據(jù)需要連續(xù)且像素級(jí)標(biāo)定。然而,獲取這樣的標(biāo)定數(shù)據(jù)困難。2)缺少魯棒性高的時(shí)序特征。視頻顯著性不僅需要提取靜態(tài)特征,而且需要考慮更為復(fù)雜的時(shí)序特征。傳統(tǒng)的深度結(jié)構(gòu)很難獲取魯棒的時(shí)序特征。3)空間信息與時(shí)間信息之間的相關(guān)性探索不足�，F(xiàn)有方法對(duì)所提取的深度空間與時(shí)間特征多采用直接加權(quán)的方式融合,沒有對(duì)兩者之間的相關(guān)性進(jìn)行深入探討。本文針對(duì)上述三個(gè)問題展... 

【文章來源】：深圳大學(xué)廣東省

【文章頁(yè)數(shù)】：114 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

基于全卷積模型的視頻顯著性檢測(cè)網(wǎng)絡(luò)（DLVS[56]）

DAVIS與FBMS數(shù)據(jù)集上的PR曲線，其中視頻顯著性方法為實(shí)線（左欄），圖像顯著性檢測(cè)方法為虛線（右欄）

所有方法在FBMS與DAVIS數(shù)據(jù)集上的PR曲線，其中視頻顯著性方法為實(shí)線（左欄），圖


本文編號(hào)：3610082