基于多流网络一致性的视频显著性检测

摘要：

现有的视频显著性检测算法通常采用双流结构提取视频的时空线索,其中运动信息作为双流结构的一个分支,在显著物体发生剧烈或慢速移动时存在运动估计准确率低的问题,并且不合理的训练数据或方案使得权重偏向单个分支结构.提出一种基于多流网络一致性的视频显著性检测算法MSNC.设计并使用一种新的三重网络结构提取预选目标区域的颜色信息、时序信息和先验特征,通过先验特征补偿运动流的缺陷,并提高运动线索的利用率.采用多流一致性融合模型优化三流分支,得到不同特征的最佳融合方案.同时通过循环训练策略平衡三重网络的权重,以避免网络过度拟合单流分支,从而有效地提高运动估计和定位的准确率.在Davis数据集上的实验结果表明,相比PCSA、SSAV、MGA等算法,该算法的鲁棒性更优,其maxF和S-Measure值分别达到0.893和0.912,MAE仅为0.021.

关键词：视频显著性检测;运动信息;先验信息;多流一致性融合;通道注意力机制

所属期刊栏目：48

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2022-02-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：215-223