期刊专题

10.11896/jsjkx.220700204

基于深度学习的红外视频显著性目标检测

引用
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.

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

50

TP751(遥感技术)

2023-09-20(万方平台首次上网日期,不代表论文的发表时间)

共8页

227-234

暂无封面信息
查看本期封面目录

计算机科学

1002-137X

50-1075/TP

50

2023,50(9)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn