本发明涉及一种基于双目多维感知特性的立体视频显著性检测方法。传统模型方法无法有效的检测出立体视频的显著区域。本发明方法包括显著特征提取和显著特征融合。显著特征提取是从立体视频的空间、深度以及运动三个不同维度的视图信息分别进行显著性计算，包括二维静态显著区域检测、深度显著区域检测、运动显著区域检测。显著特征融合是将已获取的三种不同维度的显著特征图采取全局非线性归一化的融合策略进行融合，进而获取立体视频显著区域。本发明方法计算复杂度低，获取的立体视频显著图质量高，可以直接应用在3D视频压缩，3D质量评估以及物体识别和追踪等工程领域中。
📄 2016103630219
📂 H04N13_00
👤 杭州电子科技大学
📅 2016-05-26
本发明公开一种基于时空双编码的夜间交通视频显著性检测方法，应用于计算机视觉技术领域，针对现有技术在夜间交通场景的显著性检测上所面对的难题，本发明涉及的网络模型包括时空双编码、attention融合和解码器三个部分；时间编码模块采用卷积LSTM来学习夜间交通视频的连续时间序列的前后时间信息，突出交通视频中的运动特性；在空间编码模块，利用金字塔空洞卷积(PDC)来提取不同大小感受野下的空间特征；Attention模块在融合时间特征和空间特征的同时，增强了对驾驶任务贡献较大的特征；最后，通过解码器准确地预测夜间驾驶任务中重要的显著性区域。
📄 2021101831958
📂 G06V20_40
👤 电子科技大学
📅 2021-02-08
柿子坊 · 知识产权运营
柿子坊知识产权运营平台