Shifting More Attention to Video Salient Object Detection （CVPR 2019）

最新推荐文章于 2024-01-26 16:53:56 发布
最新推荐文章于 2024-01-26 16:53:56 发布
阅读量1.1k 收藏 2
点赞数
分类专栏： 学术论文
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44790486/article/details/104412231
版权

Shifting More Attention to Video Salient Object Detection

现实生活中缺少一个完善的高质量标注的视频显著性目标检测（video salient object detection, VSOD）数据集。因此，本文构建了一个视频注意力一致，稠密标注的VSOD数据集，简称DAVSOD。这个数据集包含226个视频，共23938帧，涵盖了多种真实场景，物体，实例和动作。借助相应的真实眼动注视点数据，得到精确的用户标注。从而首次明确强调了具有挑战性的显著性转移现象，即视频中的显著对象可能会动态改变。
为了进一步给VSOD领域提供一个全面的评测，本文在7个现有数据集和构建的DAVSOD数据集上系统评估17个最具有代表性的VSOD算法。同时，提供了一个基准模型，它配备了一个面向显著性转移的长短时记忆卷积网络（convLSTM)，可通过学习人类注意力转移行为来有效的捕获视频动态显著性。

本文贡献：
1）构建了一个数据集；
2）对17种最先进的模型进行全面的评测，同时，提出一个名为SSAV的基础模型。

提出的基础模型框架结构如下：
在这里插入图片描述

Shifting More Attention to Video Salient Object Detection 学习笔记
weixin_30709061的博客
09-20 1441
突出/显眼目标的识别广泛用于机器视觉，自动驾驶等领域，研究表明，人的眼睛对于显眼和不显眼的目标的识别的方式有着显著的不同 但是由于各类原因，vsod的领域面临着很多挑战，所以，针对这些，这篇文章主要探讨了两个方面，一是提出了基于人眼动态识别这种机制的数据集，尤其要注意的是，以前的vsod很多都是从静态帧出发，从而分割对象的，但是这样明显不能区分谁是“最显眼的”，所以，这篇文章先提出了数...
【CVPR2019】论文完整列表一
TomRen
06-11 1万+
CVPR 2019 Paper list[1-1000] CVPR2019 完整列表二 论文题目与链接 Finding Task-Relevant Features for Few-Shot Learning by Category Traversal Edge-Labeling Graph Neural Network for Few-Shot Learning G...
显著性目标检测之Shifting More Attention to Video Salient Object Detection
画心
04-30 1472
Shifting More Attention to Video Salient Object Detection 文章目录Shifting More Attention to Video Salient Object Detection主要改进数据集层面模型层面实验设置实验比较相关链接 原始文章：https://www.yuque.com/lart/papers/vrkwzi 好久没有更新了，...
Shifting More Attention to Video Salient Object Detection笔记
LanceHang的博客
03-21 1248
该论文类似一个视频显著性检测的综述测评。本文对8种用于视频显著性检测的数据集以及17种比较先进的视频显著性检测算法进行了对比分析另外本文也有自己的特点：①本文构建了用于视频显著性检测的大规模的稠密标注的视频显著对象检测（DAVSOD）数据集。②本文还提出了一种面向显著性转移的VSOD（SSAV）的模型。
Video Salient Object Detection via Fully Convolutional Networks
weixin_41770460的博客
05-07 932
该论文分两部分。第一部分用Python实现，讲的是静态显著性以及动态显著性。在静态显著性中，先把单帧的It图片经过卷积层以及反卷积层得到静态显著图（h,w,1），这个过程称为FCN。在动态显著性中，把It,It+1与求得的静态显著图合成（h,w,7）图像再输入FCN得到时空显著图。第二部分用matlab实现，讲如何合成视频数据。通过光流方法由I′(x)=I(x+v(x))合成下一帧的图像。...
Video Salient Object Detection via Adaptive Local-Global Refinemen
05-07 846
对于视频显著性目标检测（VSOD），需要充分利用时空信息，大多数已存在的方法都是利用简单的融合技术组合不同域的信息，如此融合未能充分利用从多尺度的特征中提取的时空信息。本文作者提出了一个自适应的局部-全局优化框架充分探索多尺度特征。同时利用基于GCN的自适应赋权机制进行有效和无效信息的控制。
显著性检测论文阅读整理
sheng4204的博客
06-25 3977
1. Visual Saliency Based on Multiscale Deep Features 原文链接：https://arxiv.org/pdf/1503.08663.pdf 翻译：https://blog.csdn.net/weixin_40740160/article/details/89005994 题目：基于多尺度深度特征的视觉显著性 作者：Guanbin Li，Yi...
CVPR 2019 论文大盘点—目标检测篇
OpenCV中文网
10-21 1610
感谢52CV群友“一块钱”盘点了CVPR 2019 所有有关目标检测的文章，并简单做了分类。总计 56 篇，绝大多数含开源代码，很多已经被大家所熟悉，比如KL-Loss、ScratchD...
CVPR 2019 论文汇总（按方向进行论文划分）
热门推荐
鬼刀
05-28 3万+
cvpr2019 accepted papers title（官方分类，需科学前往） Github论文汇总链接（欢迎star) 论文PDF下载（更新中，提取码：osvy） 论文解读汇总 目录：(也欢迎大家推荐自己的CVPR2019文章，以下篇幅较大，分类如有错误欢迎留言指出和补充谢谢~） 检测38分割50分类、识别19跟踪20人脸12人体姿态估计/手...
显著性物体检测方法汇总
qq_19329785的博客
02-12 3290
对目前几乎所有的利用深度学习的显著性物体检测算法进行了一个汇总，列表中主要包括公布代码或者结果的方法。 链接：https://github.com/jiwei0921/SOD-CNNs-based-code-summary-/blob/master/README.md 希望多大家有帮助！ ...
DAVSOD:将更多注意力转移到视频显着异议检测上，CVPR 2019（最佳论文入围和口头）
05-10
SSAV（CVPR2019-口服） 代号为CVPR2019纸，“将更多关注视频感兴趣区域提取”，，，，。 联系人：，电子邮件： 带有代码的纸张： ://paperswithcode.com/task/video-salient-object-detection（“[D*F*n]、[S**V2*19c*prbe****ark]”） 摘要过去十年见证了对视频显着目标检测（VSOD）的日益增长的兴趣。 然而，长期以来，研究界缺乏一个完善的VSOD数据集，该数据集代表了具有高质量注释的真实动态场景。 为了解决这个问题，我们精心收集了一个视觉注意一致的密集注释VSOD（DAVSOD）数据集，其中包含226个视频，其中23,938帧涵盖了各种现实场景，对象，实例和动作。 借助相应的真实人眼注视数据，我们可以获得精确的地面真相。 这是第一个明确强调显着性变化挑战的工作，即视频显着对象可能会动
显著性检测数据集SOD&SED2;
11-17
显著性检测数据集SOD和SED2，其中包含SOD300张原始图片及GT标注图和SED2100张原始图片及GT标注图
Video Salient Object Detection via学习笔记
LanceHang的博客
03-13 215
本文主要是针对视频显著性检测遇到的两个问题：①在进行基于深度学习的视频显著性检测时缺少足够多的已经标记的像素级数据。②如何提高加快视频显著性检测和训练。针对这两个问题有相应的解决方案：①提出一个网络，该网络有两个模块分别提取空间信息和时间信息。动态显著性模型可以合并静态显著模型的显著性估计，直接产生时空显著性推断而不需要耗时的光流计算。那么该方案如何实现？A：研究卷积神经网络在动态场景中端到端训练和像素显著性预测。
【视频显著性检测】Video Salient Object Detection via Fully Convolutional Networks【论文笔记】
weixin_38682454的博客
03-14 2152
论文链接 这篇论文非常有意思，不仅仅在于显著性，而在于数据集的生成。 本文主要内容： 一、提出使用神经网络做动态视觉显著性检测 二、提出一种人工合成视频数据的方法。★★★★★ 三、在数据集上state-of-the-art，且速度更快。 网络结构 网络结构如图，输入单张图片经过全卷积网络输出得到静态显著性检测图，然后与下一帧的帧对结合，输入动态的全卷积网络得到最终的显著性检测图...
万字解析Video Salient Object Detection via Adaptive Local-Global Refinement
jiangyuanlin的博客
01-26 1695
万字解析Video Salient Object Detection via Adaptive Local-Global Refinement
Motion Guided Attention for Video Salient Object Detection论文详读
weixin_41963310的博客
02-25 1592
Motion Guided Attention for Video Salient Object Detection abstract        视频显著目标检测的主要目的是检测出视频中视觉上最突出、最独特的目标，现有的方法没有获取和使用视频中的运动线索，或忽略了光流图像中的空间上下文。        本文的方法使用两个子网络分别实现两个子任务，一个子网络(appe
视频显著性检测(Video Salient Object Detection)部分论文汇总
xiongxyowo的博客
04-02 888
视频显著性检测(Video Salient Object Detection)部分论文汇总
视频显著性检测----《Flow Guided Recurrent Neural Encoder for Video Salient Object Detection》
ReaFly的博客
07-18 1655
本文将重点与大家探讨和分享发表于CVPR2018上的视频显著性检测文章–《Flow Guided Recurrent Neural Encoder for Video Salient Object Detection》，在讨论之前，先带领大家简单回顾一下什么是显著性检测，目前图片显著性检测的常用方法，以及将显著性检测从图片过渡到视频有哪些不同点或难点，希望可以给像我一样刚接触显著性检测...
Reverse attention for salient object detection阅读笔记
Malidong的博客
07-11 1996
ECCV 2018 Shuhan Chen, Xiuli Tan, Ben Wang, Xuelong Hu 论文地址 一、简介
give me a complete code according to the second part (LED Shifting) of this file
最新发布
11-15
Certainly! Below is a complete code example for the `LedShift` application described in the second part of the document "Lab 3 - IO Operations - LED Application.pdf". This code will shift the position of the lit LED from the first LED on the Basys3 board, using an interrupt to rotate the LED every 0.1 seconds. ### led_shift.c ```c #include "xparameters.h" #include "xgpio.h" #include "xintc.h" #include "xtmrctr.h" #include "xil_exception.h" #include "xil_printf.h" #include "rotate.h" // Global variables static XGpio Gpio; volatile u16 ledValue = 0x0001; // Start with the first LED lit XIntc Intc; XTmrCtr TmrCtr; // Function prototypes void initGpio(void); void initInterruptSystem(void); void TimerISR(void *CallBackRef); int main() { // Initialize the GPIO initGpio(); // Initialize the interrupt system initInterruptSystem(); // Output the initial value to the LED port XGpio_DiscreteWrite(&Gpio, 1, ledValue); // Enter an infinite loop while (1) { // Main loop does nothing, everything is handled by the interrupt service routine } return 0; } void initGpio(void) { // Initialize the GPIO driver int Status; Status = XGpio_Initialize(&Gpio, XPAR_GPIO_0_DEVICE_ID); if (Status != XST_SUCCESS) { xil_printf("GPIO Initialization Failed\r\n"); return; } xil_printf("GPIO Initialization Successful\r\n"); } void initInterruptSystem(void) { int Status; // Initialize the interrupt controller driver Status = XIntc_Initialize(&Intc, XPAR_INTC_0_DEVICE_ID); if (Status != XST_SUCCESS) { xil_printf("INtc Initialization Failed\r\n"); return; } // Connect the interrupt handler Status = XIntc_Connect(&Intc, XPAR_INTC_0_TMRCTR_0_INTERRUPT_INTR, (XInterruptHandler)TimerISR, &TmrCtr); if (Status != XST_SUCCESS) { xil_printf("INtc Connect Failed\r\n"); return; } // Enable the interrupt XIntc_Enable(&Intc, XPAR_INTC_0_TMRCTR_0_INTERRUPT_INTR); // Start the interrupt controller Status = XIntc_Start(&Intc, XIN_REAL_MODE); if (Status != XST_SUCCESS) { xil_printf("INtc Start Failed\r\n"); return; } // Initialize the timer/counter driver Status = XTmrCtr_Initialize(&TmrCtr, XPAR_TMRCTR_0_DEVICE_ID); if (Status != XST_SUCCESS) { xil_printf("TmrCtr Initialization Failed\r\n"); return; } // Set the timer to generate an interrupt every 0.1 seconds XTmrCtr_SetLoadReg(&TmrCtr, 0, XPAR_CPU_MHZ * 100000); // 0.1 seconds in microseconds // Start the timer XTmrCtr_Start(&TmrCtr, 0); // Enable global interrupts Xil_ExceptionInit(); Xil_ExceptionRegisterHandler(XIL_EXCEPTION_ID_INT, (Xil_ExceptionHandler)XIntc_InterruptHandler, &Intc); Xil_ExceptionEnable(); } void TimerISR(void *CallBackRef) { // Acknowledge the interrupt XTmrCtr InterruptionMask; InterruptionMask = XTmrCtr_GetInterruptStatus(&TmrCtr, 0); XTmrCtr_ClearInterruptStatus(&TmrCtr, 0, InterruptionMask); // Rotate the LED value to the left ledValue = rotateLeft(ledValue, 1); // Output the rotated value to the LED port XGpio_DiscreteWrite(&Gpio, 1, ledValue); } ``` ### rotate.c ```c #include "xparameters.h" #include "xgpio.h" #include "xil_types.h" u16 rotateLeft(u16 value, int count) { while (count--) { if (value & 0x8000) { value = (value << 1) | 1; } else { value = value << 1; } } return value; } u16 rotateRight(u16 value, int count) { while (count--) { if (value & 1) { value = (value >> 1) | 0x8000; } else { value = value >> 1; } } return value; } ``` ### Explanation: 1. **Initialization**: - `initGpio()` initializes the GPIO driver for the LEDs. - `initInterruptSystem()` sets up the interrupt controller and timer to generate interrupts every 0.1 seconds. 2. **Main Loop**: - The main loop does nothing because all the work is handled by the interrupt service routine (ISR). 3. **Interrupt Service Routine (ISR)**: - `TimerISR()` is called every 0.1 seconds. - It acknowledges the interrupt, rotates the `ledValue` to the left using the `rotateLeft()` function, and updates the LED port with the new value. 4. **Rotation Functions**: - `rotateLeft()` shifts the bits to the left and wraps around if the most significant bit is set. - `rotateRight()` shifts the bits to the right and wraps around if the least significant bit is set. This code will cause the LED to shift from right to left, wrapping around when it reaches the last LED.
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值