基于CNN-TrajGRU的视频显著性检测技术
王洋
袁立宁
郭放
刘钊
中国人民公安大学 北京 100038
摘要：视频显著性检测通过预测人类视觉注意位置提取视频中的重要信息,已被广泛应用于视频分割、目标识别等计算机视觉领域.目前基于循环神经网络的时空模型在预测显著性上获得了优异的性能.在此基础上,提出了一种基于上下文感知的卷积-轨迹门控循环单元网络(convolutional neural network-trajectory gated recurrent unit,CNN-TrajGRU)的视频显著性检测方法.首先,提取输入视频帧的多尺度金字塔特征,利用深层特征的通道注意模块和浅层特征的空间注意模块进行特征融合,生成静态显著性特征.然后,将静态显著性特征输入到轨迹门控循环单元网络,实现时间轴上连续多帧的动态显著性特征提取.最后预测当前时刻的记忆状态作为显著性概率,获得视频帧的显著图.提出的方法能够获取多尺度特征的上下文信息,有效地融合空间域和时间域上的显著性信息.在DHF1K、UCF-Sports数据集上进行定性和定量测试,实验结果表明文章方法的结果优于其他同类模型.
关键词：轨迹门控循环单元网络视频显著性检测多尺度特征提取注意力模块
论文发表日期：2022-04-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：6( 5-10 )