[发明专利]一种基于注意力转移机制的视频显著性物体检测方法

摘要

一种基于注意力转移机制的视频显著性物体检测方法。注意力转移机制是人类视觉系统中特有的功能，但是，当前的方法忽视了这一重要的机制。本发明方法设计了一种新的卷积神经网络架构，它有效地利用了静态卷积网络、金字塔扩展卷积网络、长短期记忆网络和注意力转移感知模块的特点，从而充分体现了人类视觉系统中的注意力转移机制，对于真实的应用场景更具实际意义，并且能得到更好的显著性物体检测效果。相对于当前的所有视频显著性物体检测方法，本发明方法达到了国际领先水平，在主流的公开数据集的性能评测上，超越了当前最好的视频显著性物体检测方法。

主权项

1.一种基于注意力转移机制的视频显著性物体检测方法，其特征在于该方法包含如下步骤：a.静态卷积网络模块：利用多层卷积神经网络，对多帧静态图像进行特征提取；b.金字塔扩张卷积PDC模块：将步骤a中提取的特征作为该模块的输入，利用金字塔扩张卷积模块获得多尺度特征；c.注意力转移感知A_t模块：以长短期记忆网络convLSTM为基础，在该网络基础上添加权重F^A模块，F^A模块由一组简单的卷积层堆叠构成,利用该权重F^A模块对步骤b提取出的多尺度特征进行权重分配，从而实现注意力转移感知；d.生成图像结果：利用一个1*1的卷积层对步骤c输出的特征进行卷积，再利用激活函数来判断哪些神经元得以激活，从而生成视频每帧的显著性物体图像；e.更新网络：利用交叉熵损失函数计算步骤d生成的显著性物体图像与人工标注的参考图像的损失值，进行梯度回传、更新网络。