-
公开(公告)号:CN117176967B
公开(公告)日:2024-03-01
申请号:CN202311126117.X
申请日:2023-09-03
Applicant: 石家庄铁道大学
IPC: H04N19/61 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于上下文优化与时间递归的视频显著性预测方法。所述方法包括如下步骤:获取待预测视频序列,输入到训练好的视频显著性预测网络中;采用Video swin transformer主干网络的编码器,提取显著性特征;通过上下文优化模块,增强该特征的感受野和表现能力;并进一步通过显著性传递机制来利用先前帧的显著性信息以促进当前帧的预测;将增强后的特征传入解码器中,进行求和与上采样,恢复至原始帧尺寸,便可得到最终的显著性图。所述方法结构简单有效,提高了视频显著性区域预测精度,在精度和推理时间上均有明显优势。
-
公开(公告)号:CN109151616A
公开(公告)日:2019-01-04
申请号:CN201810890069.4
申请日:2018-08-07
Applicant: 石家庄铁道大学
IPC: H04N21/8549 , H04N21/44 , H04N21/488 , H04N21/435
CPC classification number: H04N21/8549 , H04N21/435 , H04N21/44 , H04N21/44008 , H04N21/4884
Abstract: 本发明公开了一种视频关键帧提取方法,涉及视频图像处理方法技术领域。所述方法包括如下步骤:提取具有字幕的视频时空字幕;计算提取的时空字幕视觉能量(Spatiotemporal Subtitle Visual Energy,简称);根据提取的时空字幕视觉能量,生成曲线;检测曲线,并根据曲线提取关键帧。所述方法通过时空字幕建模成视觉能量,最终通过检测曲线上升沿来提取关键帧。实验结果证实所述方法的计算量较小,处理速度较快。
-
公开(公告)号:CN117176967A
公开(公告)日:2023-12-05
申请号:CN202311126117.X
申请日:2023-09-03
Applicant: 石家庄铁道大学
IPC: H04N19/61 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于上下文优化与时间递归的视频显著性预测方法。所述方法包括如下步骤:获取待预测视频序列,输入到训练好的视频显著性预测网络中;采用Video swin transformer主干网络的编码器,提取显著性特征;通过上下文优化模块,增强该特征的感受野和表现能力;并进一步通过显著性传递机制来利用先前帧的显著性信息以促进当前帧的预测;将增强后的特征传入解码器中,进行求和与上采样,恢复至原始帧尺寸,便可得到最终的显著性图。所述方法结构简单有效,提高了视频显著性区域预测精度,在精度和推理时间上均有明显优势。
-
公开(公告)号:CN109151616B
公开(公告)日:2020-09-08
申请号:CN201810890069.4
申请日:2018-08-07
Applicant: 石家庄铁道大学
IPC: H04N21/8549 , H04N21/44 , H04N21/488 , H04N21/435
Abstract: 本发明公开了一种视频关键帧提取方法,涉及视频图像处理方法技术领域。所述方法包括如下步骤:提取具有字幕的视频时空字幕;计算提取的时空字幕视觉能量(Spatiotemporal Subtitle Visual Energy,简称);根据提取的时空字幕视觉能量,生成曲线;检测曲线,并根据曲线提取关键帧。所述方法通过时空字幕建模成视觉能量,最终通过检测曲线上升沿来提取关键帧。实验结果证实所述方法的计算量较小,处理速度较快。
-
-
-