10. 13873/J. 1000—9787(2019)11—0129—04
基于条件生成对抗网络的视频显著性目标检测*
针对传统的显著性检测方法存在着流程复杂,计算成本高,特征学习不足等问题,受生成对抗网络以及弹性网络的启发,提出一种基于条件生成对抗网络( cGAN)与L1,L2范式联合正则的视频显著性目标检测方法.方法需训练2个模型:生成器和判别器.生成器尽可能生成与真实值一样的显著图来迷惑判别器,使其难以辨别预测的显著图的真实性.判别器则尽可能准确地区分"假"显著图.实验表明:所提方法在两个公开视频数据集上的检测效果都超过了当前主流方法,且算法流程简单,运算效率更高.
视频显著性目标检测、条件生成对抗网络、联合正则
TP391(计算技术、计算机技术)
基金项目:国家自然科学基金资助项目81672113;河北省自然科学基金资助项目C2018202083;河北省高层次人才资助项目B2017005002
2019-11-29(万方平台首次上网日期,不代表论文的发表时间)
共4页
129-132