BSUV-Net：一种用于未见视频背景减除的全卷积神经网络
计算机视觉与模式识别
2020-01-15 v2
摘要
背景减除是计算机视觉与视频处理中的基础任务，常作为目标跟踪、人体识别等的预处理步骤。近年来提出了若干成功的背景减除算法，然而几乎所有性能最优的算法都是监督式的。关键在于，它们的成功依赖于训练时可用测试视频的部分标注帧。因此，它们在完全“未见”视频上的性能在文献中尚无记载。本工作提出一种基于全卷积神经网络的、面向未见视频的新型监督式背景减除算法（BSUV-Net）。我们网络的输入包括当前帧与在两个不同时间尺度捕获的两帧背景帧及其语义分割图。为降低过拟合风险，我们还引入了一种新的数据增强技术，以减轻背景帧与当前帧间光照差异的影响。在 CDNet-2014 数据集上，BSUV-Net 在 F-measure、召回率与精确率等多项指标上优于文献中针对未见视频评估的 SOTA 算法。
引用
@article{arxiv.1907.11371,
title = {BSUV-Net: A Fully-Convolutional Neural Network for Background Subtraction of Unseen Videos},
author = {M. Ozan Tezcan and Prakash Ishwar and Janusz Konrad},
journal= {arXiv preprint arXiv:1907.11371},
year = {2020}
}
备注
10 pages