基于深度学习的红外视频显著性目标检测

摘要：

面对背景越来越复杂的海量红外视频图像,传统方法的显著性目标检测性能不断下降.为了提升红外图像的显著性目标检测性能,提出了一种基于深度学习的红外视频显著性目标检测模型.该模型主要由空间特征提取模块、时间特征提取模块、残差连接块以及像素级分类器4个模块组成.首先利用空间特征提取模块获得空间特征,然后利用时间特征提取模块获得时间特征并实现时空一致性,最后将时空特征信息和由残差连接块连接空间模块获得的空间低层特征信息一同送入像素级分类器,生成最终的显著性目标检测结果.训练网络时,使用BCEloss和DICEloss两个损失函数结合的方式,以提高模型训练的稳定性.在红外视频数据集OTCBVS以及背景复杂的红外视频序列上进行测试,结果表明所提模型都能够获得准确的显著性目标检测结果,并且具有鲁棒性及较好的泛化能力.

关键词：红外视频、显著性目标检测、深度学习、卷积神经网络、损失函数

所属期刊栏目：50

分类号：TP751(遥感技术)

在线出版日期：2023-09-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：227-234