第一章绪论
1.1研究背景及意义
1.2研究现状
1.3研究内容及章节安排
第二章显著性理论及研究方法
2.1图像显著性检测的相关知识
2.1.1人眼视觉注意机制
2.1.2图像的常用特征
2.2图像的常用分割方法
2.2.1基于图论的分割算法
2.2.2基于聚类的分割算法
2.3本章小结
第三章 深度学习的视频显著性检测方法
3.1深度学习
3.1.1深度学习的概念
3.1.2深度学习的原理
3.1.3深度学习的硬件和软件
3.2卷积神经网络
3.3循环神经网络
3.4基于深度学习的显著目标检测方法
3.4.1 SalGAN
3.4.2 ACLNet
3.5本章小结
第四章基于深度神经网络的视频显著性检测方法
4.1网络结构简述
4.2.1物体检测子网络
4.2.2运动检测子网络
4.2.3特征融合
4.3帧间显著性检测卷积长短期记忆网络
4.4训练过程
4.5本章小结
第五章实验结果及对比分析
5.1视频显著性相关数据库
5.1.1 CRCNS数据库
5.1.2 SFU数据库
5.1.3 DIEM数据库
5.1.4 Hollywood数据库
5.1.5 LEDOV数据库
5.2评价标准
5.2.1 AUC评分
5.2.2 NSS评分
5.2.3 CC评分
5.2.4 KL散度
5.3结果分析
5.3.1训练数据库结果分析
5.3.2其他数据库结果分析
5.4本章小结
第六章总结与展望
参考文献
致谢
附录A 攻读学位期间参与的项目与撰写的学术论文
声明