一种用于视频前景-背景分离的基于参考的深度展开RPCA网络
机器学习
2020-10-05 v1 计算机视觉与模式识别
图像与视频处理
机器学习
摘要
深度展开神经网络通过展开优化算法的迭代而设计。可证明它们比其优化对应方法实现更快收敛与更高精度。本文针对鲁棒主成分分析（RPCA）问题提出一种新的深度展开网络设计，应用于视频前景-背景分离。与现有设计不同，我们的方法侧重于建模连续视频帧稀疏表示间的时间相关性。为此，我们展开求解重加权-最小化的迭代算法；该展开导致每个神经元自适应学习的不同的近端算子（亦称不同的激活函数）。使用moving MNIST数据集的实验表明，所提网络在视频前景-背景分离任务上优于近期提出的最优（SOTA）RPCA网络。
引用
@article{arxiv.2010.00929,
title = {A Deep-Unfolded Reference-Based RPCA Network For Video Foreground-Background Separation},
author = {Huynh Van Luong and Boris Joukovsky and Yonina C. Eldar and Nikos Deligiannis},
journal= {arXiv preprint arXiv:2010.00929},
year = {2020}
}
备注
5 pages, accepted for publication