顯著性目標(biāo)檢測旨在識別出最重要和最讓人眼感興趣的區(qū)域,作為計(jì)算機(jī)視覺領(lǐng)域的一個熱門方向,目前主要應(yīng)用于目標(biāo)分割、動作識別、目標(biāo)跟蹤等任務(wù)中。人類視覺的注意力機(jī)制是指人能夠在復(fù)雜的場景中分配更多的注意力給顯著性區(qū)域,這對顯著性目標(biāo)檢測提供了一種可行方案。模仿人類視覺的注意力機(jī)制,本文針對目前視頻顯著性檢測方法在處理特征時的無差異對待問題,采用基于空間域的注意力機(jī)制來提高對顯著性目標(biāo)的注意程度,并完成了基于空間域注意力機(jī)制的視頻顯著性檢測算法設(shè)計(jì)。同時針對在視頻特征提取中存在的時間、空間信息不一致性的問題,本文設(shè)計(jì)了嵌入注意力機(jī)制的conv LSTM結(jié)構(gòu),使網(wǎng)絡(luò)能夠提取時空一致性信息的同時極大限度的保持特征的空間結(jié)構(gòu)信息,并最終完成了基于注意力機(jī)制的視頻顯著性目標(biāo)檢測模型設(shè)計(jì)。針對視頻顯著性檢測存在的問題,本文主要的研究內(nèi)容如下:（1）針對特征之間的差異性和對顯著性目標(biāo)預(yù)測的貢獻(xiàn)不同,引入了視覺注意力機(jī)制對特征區(qū)分看待,并設(shè)計(jì)了一種基于空間域注意力機(jī)制的視頻顯著性檢測算法。該算法核心是將基于通道、空間注意的注意力機(jī)制應(yīng)用到視頻顯著性檢測中,讓網(wǎng)絡(luò)更加關(guān)注顯著性區(qū)域部分。該算法考慮到網(wǎng)絡(luò)不同... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【部分圖文】：

視覺通路

哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文50(e)UVSD(f)ViSal圖4-36個數(shù)據(jù)集上PR曲線、MaxF曲線、MAE/MeanF曲線4.4.2實(shí)時性結(jié)果分析在表4-5和表4-6分別記錄了本文所提出的算法和其他17個視頻顯著性模型的運(yùn)行速度結(jié)果，其中表4-5是基于傳統(tǒng)方法的模型測試實(shí)時性結(jié)果，共包含11個模型。表4-6是基于深度學(xué)習(xí)方法的模型測試實(shí)時性結(jié)果，共包含7個模型，其中OURS代表本文所設(shè)計(jì)的模型。其中，速度單位fps（framespersecond）代表每秒處理的視頻幀個數(shù)。其中處理的圖片大小，本文統(tǒng)一為353*353像素值。所有的測試均是在相同的平臺進(jìn)行：IntelXeonE5-2630v4@2.2GHz和TITANRTXGPU。本文所提出的模型不需要任何的預(yù)處理和后處理手段，譬如以光流信息作為額外的輸入，因此達(dá)到了一個很高的處理速度20fps。

【參考文獻(xiàn)】：
碩士論文
[1]基于注意力機(jī)制的圖像顯著區(qū)域提取算法分析與比較[D]. 李敏學(xué).北京交通大學(xué) 2011



本文編號：3316883