[发明专利]一种基于3D卷积神经网络的视频显著性检测方法有效
| 申请号： | 201811132912.9 | 申请日： | 2018-09-27 |
| 公开（公告）号： | CN109376611B | 公开（公告）日： | 2022-05-20 |
| 发明（设计）人： | 方玉明;丁冠群;杜人钢 | 申请（专利权）人： | 方玉明 |
| 主分类号： | G06V20/40 | 分类号： | G06V20/40;G06V10/82;G06N3/04;G06N3/08 |
| 代理公司： | 北京科亿知识产权代理事务所(普通合伙) 11350 | 代理人： | 汤东凤 |
| 地址： | 330013 江西省南昌*** | 国省代码： | 江西;36 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种对于视频图像的显著性检测方法，其特征在于：首先利用2D卷积建立一个2D深度卷积神经网络，输入一帧视频帧获得运动目标语义特征，然后利用3D卷积建立一个3D深度卷积神经网络，输入连续三帧视频帧得到时空显著性特征，再将运动目标语义特征和时空显著性信息连接后，输入到3D反卷积网络中，以学习和混合时空显著性特征，最终通过3D反卷积网络得到显著图。这样我们就得到整副图像的显著图，显著值越大，就表明该像素越显著，也就是越吸引人眼关注。实验结果表明我们建立的视频图像显著性检测模型有优良的检测性能。 | ||
| 搜索关键词： | 一种 基于 卷积 神经网络 视频 显著 检测 方法 | ||
【主权项】：
1.一种对于视频图像的显著性检测方法，其特征在于，包括以下步骤：A.首先利用2D卷积建立一个2D深度卷积神经网络，输入一帧视频帧获得运动目标语义特征；B.其次利用3D卷积建立一个3D深度卷积神经网络，输入连续三帧视频帧得到帧与帧之间的时空显著性信息；C.最后根据所得到的运动目标语义特征和时空显著性信息，采用3D卷积层连接混合得到混合特征映射图，之后将混合后的特征映射图输入到3D反卷积网络中以学习和混合时空显著性特征，最终的显著图通过3D反卷积网络得到。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于方玉明，未经方玉明许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811132912.9/，转载请声明来源钻瓜专利网。
