CN111723715A - 一种视频显著性检测方法及装置、电子设备和存储介质 - Google Patents

一种视频显著性检测方法及装置、电子设备和存储介质 Download PDF

Info

Publication number
CN111723715A
CN111723715A CN202010527764.1A CN202010527764A CN111723715A CN 111723715 A CN111723715 A CN 111723715A CN 202010527764 A CN202010527764 A CN 202010527764A CN 111723715 A CN111723715 A CN 111723715A
Authority
CN
China
Prior art keywords
features
segmentation
fusion
feature
obtaining
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010527764.1A
Other languages
English (en)
Other versions
CN111723715B (zh
Inventor
毕洪波
王秀芳
卢迪
王康
杨丽娜
朱徽徽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northeast Petroleum University
Original Assignee
Northeast Petroleum University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Northeast Petroleum University filed Critical Northeast Petroleum University
Priority to CN202010527764.1A priority Critical patent/CN111723715B/zh
Publication of CN111723715A publication Critical patent/CN111723715A/zh
Application granted granted Critical
Publication of CN111723715B publication Critical patent/CN111723715B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/253—Fusion techniques of extracted features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Abstract

本公开涉及一种视频显著性检测方法及装置、电子设备和存储介质。涉及图像处理领域，其中，一种视频显著性检测方法，包括：获取视频图像的初始空间特征；对所述初始空间特征进行分割得到多个分割特征，分别将至少两个所述分割特征进行融合得到融合特征，分别根据所述融合特征及参与融合的至少一个所述分割特征得到多个校准切片特征图；根据所述初始空间特征及所述多个准切片特征图得到静态显著特征；根据所述静态显著特征完成所述视频图像的显著性检测。本公开实施例可准确体现视频显著性。

Description

一种视频显著性检测方法及装置、电子设备和存储介质
技术领域
本公开涉及图像处理技术领域，尤其涉及一种视频显著性检测方法及装置、电子设备和存储介质。
背景技术
视频显著性目标检测(VSOD)目的是将视频帧定位和分割最引人注目、最吸引眼球的物体或区域，同时抑制背景噪声，降低图像内容理解或场景分析的复杂度，实现了模拟人类对物体结构和运动线索的认知。最近的几年中，显著性目标检测迎来了蓬勃发展，并且在实际场景中益到广发应用，这种自动分割技术已被证明有利于视频摘要、视频压缩、基于内容的视频检索、人机交互等多种应用并逐渐成为许多视频和图像任务的预处理步骤。因此，如何设计一个能够学习VSOD的时态特征的合理网络成为要解决的关键问题。
视频显着目标检测的传统方法通常源自背景先验，中心周围对比，特征整合，视觉注意的认知。它们通过不同的方式有效地整合了多种理论计算机制。但是，这种方法在实时性方面不尽人意，资源需求，无法完全定位显着对象。并且由于光学分水岭数量众多计算，时间成本急剧增加。因此，总体性能仍有待提高有限。
近年来，研究人员使用递归神经网络(RNN)从视频中直接提取复杂的时间信息，这在许多视频任务中取得了优异的性能。最近的发展表明，基于RNN网络的视频显著性目标检测算法已经更新了现有算法的性能。这些方法通过使用两种的网络优化特征，通常由空间和时间的子网络组成。例如，“Pyramid Dilated Deeper ConvLSTM for Video SalientObject Detection”分别用ResNet和ConvLSTM构建了空间和时间子模块，从实验结果来看，该结构取得了满意的精度。此外，“Shifting More Attention to Video Salient ObjectDetection”网络在基于PDB的时间子模块中增加了注意力转移机制，进一步提高了网络性能。总体上这种算法的检测效果良好，但是还是存在着改正的空间。理由是这些方法对视觉系统的注意机制的认识还不够完善，只提出在时间维度上增加注意力转移信息，并且图像的多样性以及噪声的干扰，导致只能从初级的特征入手而没有注意图像语义信息等高级特征的重要性。因此，本项目提出了两种新的注意模型，在空间网络中设计了一种新的多尺度空间注意力模块，在时间网络中改进了注意力转移模块，这使得它们具有空间特征增强和时间视觉移位的播能力，并且显式地学习了多尺度的显著性特征。
发明内容
本公开提出了一种视频显著性检测方法及装置、电子设备和存储介质技术方案，解决了现有的视频显著性检测方法中注意力线索单一问题，难以准确体现视频显著性的问题。
根据本公开的一方面，提供了一种视频显著性检测方法，包括：
获取视频图像的初始空间特征；
对所述初始空间特征进行分割得到多个分割特征，分别将至少两个所述分割特征进行融合得到融合特征，分别根据所述融合特征及参与融合的至少一个所述分割特征得到多个校准切片特征图，根据所述初始空间特征及所述多个准切片特征图得到静态显著特征；
根据所述静态显著特征完成所述视频图像的显著性检测。
优选地，所述分别将至少两个所述分割特征进行融合得到融合特征的方法，包括：
分别对所述多个分割特征进行特征优化，得到多个优化分割特征；
分别将至少两个所述多个优化分割特征进行融合，得到多个融合特征。
优选地，所述分别对所述多个分割特征进行特征优化，得到多个优化分割特征的方法，包括：
分别对所述多个分割特征进行卷积操作，得到所述多个优化分割特征；
以及/或，
所述分别将至少两个所述多个优化分割特征进行融合，得到多个融合特征的方法，包括：
利用至少两个所述多个优化分割特征进行拼接，以得到所述多个融合特征。
优选地，所述分别根据所述融合特征及参与融合的至少一个所述分割特征得到多个校准切片特征图的方法，包括：
根据所述多个融合分割特征得到所述多个融合分割特征的概率值；
根据所述概率值及参与融合的至少一个所述分割特征得到所述多个校准切片特征图；
以及/或，
所述根据所述初始空间特征及所述多个准切片特征图得到静态显著特征的方法，包括：
分别利用所述初始空间特征及所述多个准切片特征图进行融合，得到所述静态显著特征。
优选地，所述分别利用所述初始空间特征及所述多个准切片特征图进行融合的方法，包括：
根据所述初始空间特征得到初始空间特征概率值；
根据所述初始空间特征概率值及所述多个准切片特征图进行融合，得到所述静态显著特征。
优选地，根据所述静态显著特征完成所述视频图像的显著性检测的方法，包括：
分别根据多组所述静态显著特征得到每组的注意力信息，根据所述每组的注意力信息得到最终显著信息，根据所述最终显著信息完成所述视频图像的显著性检测。
优选地，所述分别根据多组所述静态显著特征得到每组的注意力信息的方法，包括：分别确定多组所述静态显著特征的移位线索，根据移位线索得到所述每组的注意力信息；
以及/或，
所述根据所述每组的注意力信息得到最终显著信息的方法，包括：确定网络隐含层的状态；根据所述隐含层的状态及所述每组的注意力得到所述最终显著信息。
根据本公开的一方面，提供了一种视频显著性检测装置，包括：
获取单元，用于获取视频图像的初始空间特征；
第一处理单元，用于对所述初始空间特征进行分割得到多个分割特征，分别将至少两个所述分割特征进行融合得到融合特征，分别根据所述融合特征及参与融合的至少一个所述分割特征得到多个校准切片特征图；
第二处理单元，用于根据所述初始空间特征及所述多个准切片特征图得到静态显著特征，根据所述静态显著特征完成所述视频图像的显著性检测。
根据本公开的一方面，提供了一种电子设备，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述的方法。
根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述的方法。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。
根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开实施例一种视频显著性检测方法的流程图；
图2示出根据本公开实施例一种视频显著性检测方法或检测装置的网络结构图；
图3示出根据本公开实施例中金字塔注意力转移的网络结构图；
图4示出根据本公开实施例空间显著图可视化结果图；
图5示出根据本公开实施例和其他7个现有最好的深度学习方法以及传统方法在DAVSOD的测试数据集上得到的显著图示例；
图6是根据一示例性实施例示出的一种电子设备800的框图；
图7是根据一示例性实施例示出的一种电子设备1900的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外，为了更好地说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。
此外，本公开还提供了视频图像处理装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种视频图像处理方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。
图1示出根据本公开实施例一种视频显著性检测方法的流程图，图2示出根据本公开实施例一种视频显著性检测方法或检测装置的网络结构图。如图1和图2所示，所述视频显著性检测方法，包括：步骤S101：获取视频图像的初始空间特征；步骤S102：对所述初始空间特征进行分割得到多个分割特征，分别将至少两个所述分割特征进行融合得到融合特征，分别根据所述融合特征及参与融合的至少一个所述分割特征得到多个校准切片特征图，根据所述初始空间特征及所述多个准切片特征图得到静态显著特征；步骤S103：根据所述静态显著特征完成所述视频图像的显著性检测。经过对分割特征进行融合得到融合特征，以及分别根据所述融合特征及参与融合的至少一个所述分割特征得到多个校准切片特征图等技术特征，解决了现有的视频显著性检测方法中注意力线索单一问题，难以准确体现视频显著性的问题。
视频显著性检测方法的执行主体可以是视频检测装置，例如，视频显著性检测方法可以由终端设备或服务器或其它图像处理设备执行，其中，终端设备可以为用户设备(User Equipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(Personal Digital Assistant，PDA)、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中，该视频显著性检测方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。”
步骤S101：获取视频图像的初始空间特征。
在本发明具体的实施例中，视频可以通过手机、摄像机、卫星或其他可以进行视频拍摄的工具进行获取，视频图像为视频中的帧图像，多个帧图像连续播放形成视频。
在本发明具体的实施例中，获取视频图像的初始空间特征可以采用特征提取的方式进行，如本发明图2所公开的残差网络(ResNet-50),残差网络对视频帧
Figure BDA0002532262120000061
进行特征提取得到一组初始空间特征
Figure BDA0002532262120000062
其中，T表示输入视频的帧总数，t表示其中一帧。
在本发明具体的实施例中，具体地说，采用ResNet-50神经网络的前五阶段提取初始空间特征，将视频帧
Figure BDA0002532262120000063
输入到ResNet-50神经网络中，并且在ResNet-50神经网络的第3、4和5阶段使用60×60大小的特征图，在第五阶段，输出初始空间特征
Figure BDA0002532262120000064
此初始空间特征维数为60×60×2048。其中，T为总帧数，t为总帧数的第几帧。
步骤S102：对所述初始空间特征进行分割得到多个分割特征，分别将至少两个所述分割特征进行融合得到融合特征，分别根据所述融合特征及参与融合的至少一个所述分割特征得到多个校准切片特征图；根据所述初始空间特征及所述多个准切片特征图得到静态显著特征。具体地说，将所述初始空间特征作为多尺度空间注意力模块(MSSA)的输入，利用多尺度空间注意模块获得步骤S103中的静态显著特征。
在本发明具体的实施例中，对所述初始空间特征进行分割得到多个分割特征的方法，包括：确定分割参数；根据分割参数所述对所述初始空间特征进行分割变换，得到所述多个分割特征。例如，对于初始空间特征
Figure BDA0002532262120000071
利用分割层(Slice layer)进行了一个分割变换ξ：得到多个分割特征Xi，多个分割特征Xi的维度为60×60×512；其中，i代表分割参数，且i＝4。也就是说，利用分割参数i将初始空间特征
Figure BDA0002532262120000072
分割为4份得到4个分割特征，显然本领域人员可以根据需要来确定分割的份数。
在本发明实施例中，所述分别将至少两个所述分割特征进行融合得到融合特征的方法，包括：分别对所述多个分割特征进行特征优化，得到多个优化分割特征；分别将至少两个所述多个优化分割特征进行融合，得到多个融合特征。
在本发明实施例中，所述分别对所述多个分割特征进行特征优化，得到多个优化分割特征的方法，包括：分别对所述多个分割特征进行卷积操作，得到所述多个优化分割特征。例如，可以用采用扩张卷积(Dilatation conv，空洞卷积)对所述多个分割特征进行特征优化，得到多个优化分割特征Pi∈RW×H×C，其中W、H、C分别为优化分割特征的宽度、高度以及层数(通道数)，如图2中优化分割特征对应的60×60×512。
在本发明具体的实施例及图2中，基于4个分割特征，得到4个优化分割特征，4个优化分割特征分别进行卷积操作，得到第一优化分割特征P1、第二优化分割特征P2、第三优化分割特征P3及第四优化分割特征P4。扩张卷积的张率可分别配置为2和4。例如：第一分割特征X1和第二分割特征X2分别经过扩张卷积运算后得到第一优化分割特征P1及第二优化分割特征P2、，第一分割特征X1和第二分割特征X2使用的扩张卷积的扩张率分别为2和4。
在本发明实施例中，所述分别将至少两个所述多个优化分割特征进行融合，得到多个融合特征的方法，包括：利用至少两个所述多个优化分割特征进行拼接，以得到所述多个融合特征。
在本发明具体的实施例及图2中，第一优化分割特征P1与第二优化分割特征P2进行拼接，得到第一融合特征；第三优化分割特征P3与第四优化分割特征P4进行拼接，得到第二融合特征。
基于上述，本发明给出了多个优化分割特征进行融合，得到多个融合特征的公式：多个融合特征
Figure BDA0002532262120000081
其中，Concat表示两个特征串联操作(拼接操作,concatenation)；D是一组扩张卷积，每一组的扩张卷积的扩张率分别配置为2和4，a为融合特征的个数，i为所述多个优化分割特征中第i个优化分割特征。
在本发明实施例中，所述分别根据所述融合特征及参与融合的至少一个所述分割特征得到多个校准切片特征图的方法，包括：根据所述多个融合分割特征得到所述多个融合分割特征的概率值；根据所述概率值及参与融合的至少一个所述分割特征得到所述多个校准切片特征图。所述多个校准切片特征图为多个校准切片特征图概率值。
在本发明具体的实施例及图2中，以2个融合特征，第一融合特征及第二融合特征进行说明，第一融合特征及第二融合特征分别通过压缩层(FC，全链接层)及归一化函数σ得到第一融合分割特征的概率值及第二融合分割特征的概率值。归一化函数σ可选择Sigmoid函数。根据所述第一融合分割特征的概率值及参与融合的分割特征或第二优化分割特征P2得到所述第一校准切片特征图。根据所述第二融合分割特征的概率值及参与融合的分割特征或第四优化分割特征P4得到所述第二校准切片特征图。
例如，第一校准切片特征图
Figure BDA0002532262120000082
第二校准切片特征图
Figure BDA0002532262120000091
其中，σ为Sigmoid函数；FC为压缩层(全链接层)，通过使用一个卷积层实现，卷积核大小为1×1×512。也就是说，在得到
Figure BDA0002532262120000092
之后应用规范化操作，
Figure BDA0002532262120000093
表示按特征向量元素级相乘(Element-wise product)。
在本发明实施例中，所述根据所述初始空间特征及所述多个准切片特征图得到静态显著特征的方法，包括：分别利用所述初始空间特征及所述多个准切片特征图进行融合，得到所述静态显著特征。
在本发明实施例中，所述分别利用所述初始空间特征及所述多个准切片特征图进行融合的方法，包括：根据所述初始空间特征得到初始空间特征概率值；根据所述初始空间特征概率值及所述多个准切片特征图进行融合，得到所述静态显著特征。
在本发明具体的实施例及图2中，所述根据所述初始空间特征得到初始空间特征概率值的方法，包括：利用压缩层(全链接层)FC及激活函数R得到所述初始空间特征到初始空间特征概率值。即，
Figure BDA0002532262120000094
经过压缩层(全链接层)FC及激活函数ReLU之后得到初始空间特征概率值X。
在本发明的实施例中，所述根据所述初始空间特征概率值及所述多个准切片特征图进行融合，得到所述静态显著特征的具体操作，例如：在基于第一校准切片特征图及第二校准切片特征图的基础上，得到静态显著特征的公式为
Figure BDA0002532262120000095
即，分别对初始空间特征概率值及所述多个准切片特征图进行求和操作，得到所述静态显著特征。
步骤S103：根据所述静态显著特征完成所述视频图像的显著性检测。
图3示出根据本公开实施例中金字塔注意力转移的网络结构图。结合图1和图3进行说明，所述根据所述静态显著特征完成视频显著性检测，根据所述静态显著特征完成所述视频图像的显著性检测的方法，包括：分别根据多组所述静态显著特征得到每组的注意力信息，根据所述每组的注意力信息得到最终显著信息，根据所述最终显著信息完成所述视频图像的显著性检测。
在本发明的具体实施例中，上述图2中仅仅给出了一组所述静态显著特征的实现方式，多组网络并联可以获得多组所述静态显著特征，将上述多组所述静态显著特征输入到金字塔注意力转移网络(模块)中，金字塔注意力转移的网络分别根据多组所述静态显著特征得到每组的注意力信息，根据所述每组的注意力信息得到最终显著信息，根据所述最终显著信息完成所述视频图像的显著性检测。其中，多组所述静态显著特征可为不同时刻的静态显著特征FA。
将多组所述静态显著特征输入到金字塔注意力转移的网络中，利用金字塔注意力转移网络(模块)可获得多尺度运动特征，具体而言，以双向长短期记忆网络(ConvLSTM)为基础，在该网络的基础上添加金字塔注意力转移感知模块(PSSA，以下简称PA)对一系列静态显著特征进行筛选，从而实现权重重新分配。
在本发明的实施例中，所述分别根据多组所述静态显著特征得到每组的注意力信息的方法，包括：分别确定多组所述静态显著特征的移位线索，根据移位线索得到所述每组的注意力信息。
在本发明的具体实施例中，金字塔注意力转移感知模块的处理如下，以一组静态显著特征FA进行说明，图3中的一组静态显著特征FA分别是第一静态显著特征FA1、第二静态显著特征FA2、第三静态显著特征FA3及第t个静态显著特征FAt。其中，t表示一组静态显著特征FA中包含的静态显著特征的个数，显示本领域人员根据实际需要自行配置一组静态显著特征中静态显著特征的个数。
在本发明的具体实施例中，双向长短期记忆网络在t时刻的隐藏层状态：
Figure BDA0002532262120000101
式中，H(t-1)表示t-1时刻的隐藏层状态，Wt为隐藏层权重；FA表示静态显著信息。金字塔注意力感知模型PA的输入为一组静态显著信息FA，金字塔注意力感知模型PA，包括多组双向长短期记忆网络，多组双向长短期记忆网络分别输出多个移位线索。根据多个移位线索得到所述每组的注意力信息，具体地说，可以采用累加多个移位线索得到所述每组的注意力信息。
例如，金字塔注意力感知模型PA，包括：三组双向长短期记忆网络，三组组双向长短期记忆网络分别输出三个移位线索L1-L3，其中三个移位线索L1-L3为[0,1]的概率值，以下公式给出了三个移位线索及三个移位线索对应的每组的注意力信息计算公式。
第一移位线索
Figure BDA0002532262120000111
第二移位线索
Figure BDA0002532262120000112
第三移位线索
Figure BDA0002532262120000113
每组的注意力信息At＝L1+L2+L3。
其中，ConvLSTM1、ConvLSTM2、ConvLSTM3为三组双向长短期记忆网络，三组双向长短期记忆网络可采用3×3×32的卷积核，且每个卷积核的扩张率依次为0、2、4，，Wt为双向长短期记忆网络中隐藏层权重。
在本发明的实施例中，所述根据所述每组的注意力信息得到最终显著信息的方法，包括：确定网络隐含层的状态；根据所述隐含层的状态及所述每组的注意力得到所述最终显著信息。
在本发明的具体实施例中，确定网络隐含层的状态为网络隐含层在t时刻的状态，根据所述网络隐含层在t时刻的状态及所述每组的注意力得到所述最终显著信息，根据所述最终显著信息完成所述视频图像的显著性检测。
最终显著信息
Figure BDA0002532262120000114
其中，Ht为网络隐含层在t时刻的状态，At为每组的注意力。
在本发明的具体实施例中，需要训练网络的参数，也称为更新网络。利用交叉熵损失函数计算生成的显著性物体图像与人工标注的参考图像的损失值，进行梯度回传、更新网络。
所述的与人工标注的参考图像计算损失函数
Figure BDA0002532262120000115
其中，其中LAtt和LSal为交叉熵损失；Ft为注意力转移标记图；S为最终显著信息，Gt为人工标注参考图像。T为总帧数，t为总帧数的第几帧。
本发明还公开了一种视频显著性检测装置，包括：获取单元，用于获取视频图像的初始空间特征；第一处理单元，用于对所述初始空间特征进行分割得到多个分割特征，分别将至少两个所述分割特征进行融合得到融合特征，分别根据所述融合特征及参与融合的至少一个所述分割特征得到多个校准切片特征图；第二处理单元，用于根据所述初始空间特征及所述多个准切片特征图得到静态显著特征，根据所述静态显著特征完成所述视频图像的显著性检测。上述一种视频显著性检测装置的实现方法可详见一种视频显著性检测方法中的描述。
本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
图4示出根据本公开实施例空间显著图可视化结果图。X用于空间网络的输入(473×473×3)；(B)和(C)分别代表ResNet网络和MSSA模块可视化的输出；可以观察到，部分突出区域被检测为非显著区域，反之亦然(如框中所示)。MSSA模块可视化的输出结果提供关于突出物体位置的重要信息。
图5示出根据本公开实施例和其他7个现有最好的深度学习方法以及传统方法在DAVSOD的测试数据集上得到的显著图示例。
本发明的有效性通过以下仿真实验进一步说明。
1.实验数据集和仿真条件
本实验的空时注意力模型是基于caffe框架中实现，在训练期间使用标准SGD方法，并选择最先进的深度有监督显著目标检测方法SSAV作为公共训练模型参数。然后，使用2016年Adobe公司的科学家Perazzi发表于著名的国际计算机视觉与模式识别会议(CVPR)的DAVIS，范登平等人在2019年公布的DAVSOD数据集。其中DAVSOD数据集的动态人眼跟踪标签可以显式学习金字塔运动转移注意模块。在训练阶段超参数设置如下：batch size(4)，the moment(0.9)，the weight decay(0.0005)。将基础学习率设置为1e-8，每25000个迭代将学习率降低10倍。在每次训练迭代中，使用3帧的批处理大小，整个训练过程大约需要48小时。在测试阶段，给定一个测试视频，所有视频帧均被调整为473×473×3，并被输入该模型中，以获得相应的视频显著对象预测。
2.视频显著性物体检测性能评价标准
为了测量两个图像的区域符合的程度，我们通过评估精确度(Precision)和召回率(Recall)来估计F-measure分数，其公式如下：
Figure BDA0002532262120000131
根据Radhakrishna等人的建议，我们将阈值β2设置为0.3，以强调精度值的重要性。精确度对应于正确分配的显著像素的百分比，而召回率对应于与显著像素的地面实数相关的检测到的显著像素的分数。由于，在计算召回率和精确度时，Fβ中对前景没有明确定义。它属于像素方面的错误，并且经常忽略结构特似性。因此使用S-measure评估区域感知和对象感知的显著性图与真值之间的结构相似性。S-measure值越高，则证明与人类判断有较好的一致性，其定义如下：S＝α×So+(1-α)Sr。
其中，阈值α取值范围是[0，1]，其值设置为0.5，So是对象感知的结构相似性，Sr是区域感知的结构相似性。区域感知的结构相似性目的是捕获目标部分结构信息，无需对完整前景进行任何特殊关注，而对象感知结构相似性是捕获完整的结构信息。MAE被定义为估计显著性概率图P与其对应的基础事实G之间的平均每像素差异，这里P和G归一化为区间[0，1]，MAE计算如下：
Figure BDA0002532262120000132
其中H和W指的是输入图片的高度和宽度。MAE直接测量显著图与标签的接近程度，这对于评估显著性模型的任务中的适用性是有意义的。
表1为本发明STA-Net方法和其他18个现有最好的深度学习方法以及传统方法在ViSal、FBMS、DAVIS、SegV2、DAVSOD的数据集上得到的检测结果(18个对比方法依次为SSAV、PDB、MBNM、FGRN、DLVS、SCNN、SCOM、SFLR、SGSP、STBP、MSTM、GFVM、SAGM、MB+M、RWRV、SPVM、TIMP、SIVM)；表中F↑、M↓、S↑分别表示上面所述评价指标。表2为本发明的各个模块同骨干网络对比结果，已评价模块的优越性。
表1本发明STA-Net方法和其他18个现有最好的深度学习方法以及传统方法对比表
Figure BDA0002532262120000141
表2本发明的各个模块同骨干网络对比结果
Figure BDA0002532262120000142
3.实验内容
实验一。从以上表1可以看出，本发明的STA-Net方法同当前的18种方法对比具有明显的优势，在5个数据集，如ViSal、FBMS、DAVIS、SegV2和DAVSOD中的每个指标都达到了可对比的性能。这充分说明了本发明STA-Net方法的有效性和鲁棒性。以上客观的评价结果定量地说明了本发明在各种场景下检测视频显著性物体的优势，除了数值结果外也需要通过视觉结果的主观评价。
实验二。从表2中可以看出本专利，本发明实现了比ResNet-50、ResNet-MSSA模块更高的基准精度，并提高了所有指标，说明了时序信息在视频显著性检测中的有效性。通过多运动移位信息的组合，单帧显著性模型S-measure和MAE分别达到0.910和0.021分，优于现有的视频显著性模型。这些结果还表明，动态映射也提高了性能。通过在空间网络层中加入时间特征，观察发现显著的优化结果是逐步优化的，而优化的结果则是基于空间网络的精度。
实验三。将显着性地图与前4个深度(MBNM、FGRN、PDB、DLVS)模型和3个模型进行可视化比较传统的经典(SFLR，SAGM，SCOM)模型在四个数据集上，手工标记图(GT)显示在第二列。从图5的视觉效果图可以看出，本发明方法清楚地产生最接近地面真相的显着性地图。
综合表1、表2、图5的结果来看，我们的方法都非常接近手工标注的参考图像帧。基本优于对比的18个方法。
在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为上述方法。其中，电子设备可以被提供为终端、服务器或其它形态的设备。
图6是根据一示例性实施例示出的一种电子设备800的框图。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等终端。
参照图6，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图7是根据一示例性实施例示出的一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器。参照图7，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (10)

1.一种视频显著性检测方法，其特征在于，包括：
获取视频图像的初始空间特征；
对所述初始空间特征进行分割得到多个分割特征，分别将至少两个所述分割特征进行融合得到融合特征，分别根据所述融合特征及参与融合的至少一个所述分割特征得到多个校准切片特征图；根据所述初始空间特征及所述多个准切片特征图得到静态显著特征；
根据所述静态显著特征完成所述视频图像的显著性检测。
2.根据权利要求1所述的方法，其特征在于，所述分别将至少两个所述分割特征进行融合得到融合特征的方法，包括：
分别对所述多个分割特征进行特征优化，得到多个优化分割特征；
分别将至少两个所述多个优化分割特征进行融合，得到多个融合特征。
3.根据权利要求2所述的方法，其特征在于：
所述分别对所述多个分割特征进行特征优化，得到多个优化分割特征的方法，包括：
分别对所述多个分割特征进行卷积操作，得到所述多个优化分割特征；
以及/或，
所述分别将至少两个所述多个优化分割特征进行融合，得到多个融合特征的方法，包括：
利用至少两个所述多个优化分割特征进行拼接，以得到所述多个融合特征。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述分别根据所述融合特征及参与融合的至少一个所述分割特征得到多个校准切片特征图的方法，包括：
根据所述多个融合分割特征得到所述多个融合分割特征的概率值；
根据所述概率值及参与融合的至少一个所述分割特征得到所述多个校准切片特征图；
以及/或，
所述根据所述初始空间特征及所述多个准切片特征图得到静态显著特征的方法，包括：
分别利用所述初始空间特征及所述多个准切片特征图进行融合，得到所述静态显著特征。
5.根据权利要求4所述的方法，其特征在于，所述分别利用所述初始空间特征及所述多个准切片特征图进行融合的方法，包括：
根据所述初始空间特征得到初始空间特征概率值；
根据所述初始空间特征概率值及所述多个准切片特征图进行融合，得到所述静态显著特征。
6.根据权利要求1-3、5任一项所述的方法，其特征在于，根据所述静态显著特征完成所述视频图像的显著性检测的方法，包括：
分别根据多组所述静态显著特征得到每组的注意力信息，根据所述每组的注意力信息得到最终显著信息，根据所述最终显著信息完成所述视频图像的显著性检测。
7.根据权利要求6所述的方法，其特征在于：
所述分别根据多组所述静态显著特征得到每组的注意力信息的方法，包括：分别确定多组所述静态显著特征的移位线索，根据移位线索得到所述每组的注意力信息；
以及/或，
所述根据所述每组的注意力信息得到最终显著信息的方法，包括：确定网络隐含层的状态；根据所述隐含层的状态及所述每组的注意力得到所述最终显著信息。
8.一种视频显著性检测装置，其特征在于，包括：
获取单元，用于获取视频图像的初始空间特征；
第一处理单元，用于对所述初始空间特征进行分割得到多个分割特征，分别将至少两个所述分割特征进行融合得到融合特征，分别根据所述融合特征及参与融合的至少一个所述分割特征得到多个校准切片特征图；
第二处理单元，用于根据所述初始空间特征及所述多个准切片特征图得到静态显著特征，根据所述静态显著特征完成所述视频图像的显著性检测。
9.一种电子设备，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为调用所述存储器存储的指令，以执行权利要求1至7中任意一项所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的方法。
CN202010527764.1A 2020-06-10 2020-06-10 一种视频显著性检测方法及装置、电子设备和存储介质 Active CN111723715B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010527764.1A CN111723715B (zh) 2020-06-10 2020-06-10 一种视频显著性检测方法及装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010527764.1A CN111723715B (zh) 2020-06-10 2020-06-10 一种视频显著性检测方法及装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN111723715A true CN111723715A (zh) 2020-09-29
CN111723715B CN111723715B (zh) 2022-03-15

Family

ID=72568000

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010527764.1A Active CN111723715B (zh) 2020-06-10 2020-06-10 一种视频显著性检测方法及装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN111723715B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050163344A1 (en) * 2003-11-25 2005-07-28 Seiko Epson Corporation System, program, and method for generating visual-guidance information
CN102521592A (zh) * 2011-11-30 2012-06-27 苏州大学 基于非清晰区域抑制的多特征融合显著区域提取方法
CN103747240A (zh) * 2013-12-25 2014-04-23 浙江大学 融合颜色和运动信息的视觉显著性滤波方法
CN105488812A (zh) * 2015-11-24 2016-04-13 江南大学 一种融合运动特征的时空显著性检测方法
CN107564022A (zh) * 2017-07-13 2018-01-09 西安电子科技大学 基于贝叶斯融合的视频显著性检测方法
CN107749066A (zh) * 2017-11-10 2018-03-02 深圳市唯特视科技有限公司 一种基于区域的多尺度时空视觉显著性检测方法
CN108734173A (zh) * 2018-04-20 2018-11-02 河海大学 基于Gestalt优化的红外视频时空显著性检测方法
CN110175974A (zh) * 2018-03-12 2019-08-27 腾讯科技（深圳）有限公司 图像显著性检测方法、装置、计算机设备和存储介质
CN110866896A (zh) * 2019-10-29 2020-03-06 中国地质大学（武汉） 基于k-means与水平集超像素分割的图像显著性目标检测方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050163344A1 (en) * 2003-11-25 2005-07-28 Seiko Epson Corporation System, program, and method for generating visual-guidance information
CN102521592A (zh) * 2011-11-30 2012-06-27 苏州大学 基于非清晰区域抑制的多特征融合显著区域提取方法
CN103747240A (zh) * 2013-12-25 2014-04-23 浙江大学 融合颜色和运动信息的视觉显著性滤波方法
CN105488812A (zh) * 2015-11-24 2016-04-13 江南大学 一种融合运动特征的时空显著性检测方法
CN107564022A (zh) * 2017-07-13 2018-01-09 西安电子科技大学 基于贝叶斯融合的视频显著性检测方法
CN107749066A (zh) * 2017-11-10 2018-03-02 深圳市唯特视科技有限公司 一种基于区域的多尺度时空视觉显著性检测方法
CN110175974A (zh) * 2018-03-12 2019-08-27 腾讯科技（深圳）有限公司 图像显著性检测方法、装置、计算机设备和存储介质
CN108734173A (zh) * 2018-04-20 2018-11-02 河海大学 基于Gestalt优化的红外视频时空显著性检测方法
CN110866896A (zh) * 2019-10-29 2020-03-06 中国地质大学（武汉） 基于k-means与水平集超像素分割的图像显著性目标检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HONGBO BI: "MULTI-LEVEL MODEL FOR VIDEO SALIENCY DETECTION", 《2019 IEEE INTERNATIONAL CONFERENCE ON IMAGE PROCESSING（ICIP）》 *
周洋等: "融合双目多维感知特征的立体视频显著性检测", 《中国图象图形学报》 *

Also Published As

Publication number Publication date
CN111723715B (zh) 2022-03-15

Similar Documents

Publication Publication Date Title
CN111310616B (zh) 图像处理方法及装置、电子设备和存储介质
TWI724736B (zh) 圖像處理方法及裝置、電子設備、儲存媒體和電腦程式
TWI759647B (zh) 影像處理方法、電子設備，和電腦可讀儲存介質
CN111462268A (zh) 图像重建方法及装置、电子设备和存储介质
CN109145970B (zh) 基于图像的问答处理方法和装置、电子设备及存储介质
CN109145150B (zh) 目标匹配方法及装置、电子设备和存储介质
CN111340048B (zh) 图像处理方法及装置、电子设备和存储介质
JP2022522551A (ja) 画像処理方法及び装置、電子機器並びに記憶媒体
CN110532956B (zh) 图像处理方法及装置、电子设备和存储介质
CN109977860B (zh) 图像处理方法及装置、电子设备和存储介质
CN111582383B (zh) 属性识别方法及装置、电子设备和存储介质
CN110188865B (zh) 信息处理方法及装置、电子设备和存储介质
CN114140611A (zh) 显著目标检测方法及装置、电子设备和存储介质
CN109903252B (zh) 图像处理方法及装置、电子设备和存储介质
CN109447258B (zh) 神经网络模型的优化方法及装置、电子设备和存储介质
CN113052874B (zh) 目标跟踪方法及装置、电子设备和存储介质
CN109635926B (zh) 用于神经网络的注意力特征获取方法、装置及存储介质
CN115035596B (zh) 行为检测的方法及装置、电子设备和存储介质
CN111488964A (zh) 图像处理方法及装置、神经网络训练方法及装置
CN111723715B (zh) 一种视频显著性检测方法及装置、电子设备和存储介质
CN114973359A (zh) 表情识别方法及装置、电子设备和存储介质
KR20240046777A (ko) 활동 인식 방법 및 장치, 전자 장치 및 저장 매체
CN114612790A (zh) 图像处理方法及装置、电子设备和存储介质
CN114445778A (zh) 一种计数方法及装置、电子设备和存储介质
CN112801116A (zh) 图像的特征提取方法及装置、电子设备和存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant