基于算术分布神经网络的通用水印背景减除
计算机视觉与模式识别
2024-10-28 v2
摘要
我们提出了一种基于算术分布神经网络（ADNN）的通用水印背景减除框架，用于学习时间像素的分布。在我们的 ADNN 模型中，利用算术分布操作引入算术分布层，包括乘积分布层和求和分布层。此外，为了提高所提方法的精度，我们融入了基于邻域信息的改进贝叶斯细化模型，并提供了 GPU 实现。在所提算术分布层的前向传播与反向传播中，直方图被视为概率密度函数而非矩阵。因此，与传统卷积神经网络相比，所提方法能够利用直方图的概率信息，并以极简的架构取得有前景的结果。使用标准基准的评估表明，与最先进的传统方法和深度学习方法相比，所提方法具有优越性。据我们所知，这是首个提出基于算术分布操作的网络层以在背景减除中学习分布的方法。
引用
@article{arxiv.2104.08390,
title = {Universal Background Subtraction based on Arithmetic Distribution Neural Network},
author = {Chenqiu Zhao and Kangkang Hu and Anup Basu},
journal= {arXiv preprint arXiv:2104.08390},
year = {2024}
}
备注
This work has been submitted to the IEEE for possible publication