用于视频分割的循环全卷积网络
计算机视觉与模式识别
2016-11-01 v3
摘要
图像分割是大多数视觉任务中的重要步骤。尽管卷积神经网络已在单图像分割上表现出良好性能，但据我们所知，尚未有研究利用循环门控架构进行视频分割。因此，我们提出了一种结合时间数据的视频序列在线分割新方法。该网络由全卷积单元和循环单元构建，循环单元在时间数据上的滑动窗口工作。我们还引入了一种新颖的卷积门控循环单元，其保留空间信息并减少学习的参数。我们的方法具有能够以在线方式工作而非在整个视频帧输入批次上操作的优点。该网络在变化检测数据集上测试，证明在每帧分割的F-measure上比普通全卷积网络有5.5\%的提升。与我们的基线网络（称为FCN 12s）相比，F-measure也显示了1.4\%的提升。
引用
@article{arxiv.1606.00487,
title = {Recurrent Fully Convolutional Networks for Video Segmentation},
author = {Sepehr Valipour and Mennatullah Siam and Martin Jagersand and Nilanjan Ray},
journal= {arXiv preprint arXiv:1606.00487},
year = {2016}
}