声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：51-1196/TP
国际刊号：1001-3695
发布日期:
作者：陶冶,凌志浩,
单位：华东理工大学化工过程先进控制和优化技术教育部重点实验室,上海200237；
关键词：非监督学习,卷积神经网络,背景建模,堆叠Unet,复杂前景,间歇运动前景,
基金：中央高校基本科研业务费专项资金资助项目(222201917006)；；
针对现有背景建模算法难以处理复杂前景及间歇性运动前景的问题，提出了一种基于非监督学习的背景建模算法（改进的BM-Unet算法）。该算法结合光流法和Pearson相关系数在视频帧上提取背景关注区域，以此优化网络训练集和损失函数，从而有效提高了该算法在复杂前景情况和前景停留情况下的适应性；在此基础上，为进一步提高背景生成的精确度，又提出了一种堆叠Unet网络架构BM-SUnet（background modelling stacked Unet）。在SBMnet数据集上与现有算法在可视化效果和评估参数两方面的比较结果表明，所提算法在复杂前景和间歇运动前景情况下建模准确性好且鲁棒性高的结论。
来源：2020年第9期
《计算机应用研究》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。