[发明专利]基于深度学习的无监督视频分割方法有效
| 申请号： | 201711004135.5 | 申请日： | 2017-10-24 |
| 公开（公告）号： | CN107808389B | 公开（公告）日： | 2020-04-17 |
| 发明（设计）人： | 宋利;许经纬;解蓉;张文军 | 申请（专利权）人： | 上海交通大学 |
| 主分类号： | G06T7/215 | 分类号： | G06T7/215;G06T7/194;G06N3/04;G06N3/08 |
| 代理公司： | 上海恒慧知识产权代理事务所(特殊普通合伙) 31317 | 代理人： | 徐红银 |
| 地址： | 200240 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于深度学习的无监督视频分割方法，包括：建立编码解码深度神经网络，编码解码深度神经网络包括：静态图像分割流网络、帧间信息分割流网络以及融合网络；静态图像分割流网络用于对当前视频帧进行前景背景分割处理，帧间信息分割流网络用于对当前视频帧和下一视频帧之间的光流场信息进行运动物体的前景背景分割；将静态图像分割流网络和帧间信息分割流网络输出的分割图像通过融合网络进行融合后，得到视频分割结果。本发明的静态图像分割流网络用于高质量的帧内分割，帧间信息分割流网络用于高质量的光流场信息分割，两路输出通过最后的融合操作得到提升后的分割结果，从而可以根据有效的双路输出和融合操作得到较好的分割结果。 | ||
| 搜索关键词： | 基于 深度 学习 监督 视频 分割 方法 | ||
【主权项】：
一种基于深度学习的无监督视频分割方法，其特征在于，包括：建立编码解码深度神经网络，所述编码解码深度神经网络包括：静态图像分割流网络、帧间信息分割流网络以及融合网络；其中，所述静态图像分割流网络用于对当前视频帧进行前景背景分割处理，所述帧间信息分割流网络用于对所述当前视频帧和下一视频帧之间的光流场信息进行运动物体的前景背景分割；将所述静态图像分割流网络和帧间信息分割流网络输出的分割图像通过所述融合网络进行融合后，得到视频分割结果。
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上海交通大学，未经上海交通大学许可，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/201711004135.5/，转载请声明来源钻瓜专利网。
