基于LSTM与交叉注意力机制的少样本周期视频图像分割
汤少杰1
袁腾奇1
李思余1
李舒博1
张婷1
魏秋月1
姚鸿萍2
1.西安邮电大学自动化学院,西安 7101212.西安交通大学第一附属医院药学部,西安 710061
摘要：随着现代视频技术的发展,周期运动视频图像分割在运动分析、医学影像等领域中具有重要应用.本文基于深度学习技术设计一种新颖的周期性运动检测和分割网络,结合卷积长短期记忆网络(ConvLSTM)和交叉注意力机制,只需要相对较少的标签,便能够有效捕获视频序列中感兴趣对象的时空上下文信息、跨帧一致性并进行精确分割.实验结果表明,少样本标签情况下,本文方法在周期性运动视频数据集上表现出色.在普通视频中,平均区域相似度和轮廓相似度分别为 67.51%和 72.97%,相较于传统方法普遍提升 1%～1.5%.在医学视频中,平均区域相似度和轮廓相似度分别为 59.93%和 90.56%,在区域相似度上,相较于DAN和Unet分别提升12.92%和8.85%.在轮廓相似度上,分别提升20.09%和12.89%,具有更高的准确性和稳定性.
关键词：深度学习视频分割图像分割LSTM交叉注意力机制
分类号：TP391.41(计算技术、计算机技术)TP183(自动化基础理论)
资助基金：陕西省科技厅面上项目(2023-JC-YB-521)
论文发表日期：2025-07-31
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：10( 667-676 )
英文信息