.png){kind=icon}
返回
Learning effective feature representation for video object segmentation via memory
.png){kind=icon}
PRE
AI
DOI：10.1016/j.knosys.2024.112020.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
为了解决当前帧特征开发中忽略目标判别的问题，本文提出了通过记忆的有效特征表示 (EFRM) 方法，通过充分利用所记忆的帧中包含的丰富信息，从全局和局部角度形成当前帧的有效和可区分的特征表示。首先，使用非局部匹配方案通过时空存储器读取 (STMR) 生成表示前景和背景之间差异的全局判别特征。其次，在当前帧中出现的目标之间具有特征差异的局部判别特征是由设计的每对象记忆增强 (PoME) 通过仅依赖于记忆帧中显示的目标的各种表示来生成的。最后，基于由全局和局部判别特征的拼接形成的有效特征表示来生成当前帧的分割。对DAVIS 16、17和YouTube-VOS 18、19的评估证明了所提出方法的竞争性能。
Keyword:
Video object segmentation
Effective feature representation
Per-object memory enhancement
Quality-aware weight assessment
期刊
K
IF:
7.6
论文数:
1.3W
被引数:
4.5W
机构
引用论文
Active vibration control for high‐rise buildings using displacement measurements by image processing
PREAI
分享收藏Sustaining Soil Quality in Intensively Managed High Tunnel Vegetable Production Systems: A Role for Green Manures and Chicken Litter.png)
HortScience
OAAI
HortScienceIF0
OAAI分享收藏
查看更多内容