دانلود مقاله تقسیم بندی آبجکت ویدئویی یک شاتی
تعداد کلمات فایل انگلیسی:5700 کلمه 10 صفحه pdf
تعداد صفحات فایل ترجمه:17 صفحه word فونت 14 B Nazanin
تقسیم بندی آبجکت ویدئویی یک شاتی
چکیده
این مقاله به وظیفه تقسیم بندی آبجکت ویدئوی نیمه نظارتی، یعنی تفکیک یک آبجکت از پس زمینه در یک ویدئو، با توجه به ماسک اولین فریم، می پردازد. ما به تقسیم بندی آبجکت ویدئویی یک شاتی (OSVOS) براساس معماری شبکه عصبی کاملا کانولوشن می پردازیم که قادر است تا به صورت پیوسته اطلاعات عمومی معنایی را منتقل کند، در ImageNet، برای وظیفه تقسیم بندی پیش زمینه ، و در نهایت ظهور یک عنصر مشخص شده از دنباله تست (بنابراین یک-شات) را یاد بگیرد. اگرچه تمام فریم ها به صورت مستقل پردازش می شوند، نتایج به صورت موقت، هماهنگ و پایدار هستند. ما دو پایگاه داده تقسیم بندی ویدئوی حاشیهنویسی شده را آزمایش می کنیم که نشان می دهد OSVOS سریع است و توسط یک حاشیه مهم بهبود می یابد (79.8% در مقابل 68.0%).
One-Shot Video Object Segmentation
Abstract
This paper tackles the task of semi-supervised video object segmentation, i.e., the separation of an object from the background in a video, given the mask of the first frame. We present One-Shot Video Object Segmentation (OSVOS), based on a fully-convolutional neural network architecture that is able to successively transfer generic semantic information, learned on ImageNet, to the task of foreground segmentation, and finally to learning the appearance of a single annotated object of the test sequence (hence one-shot). Although all frames are processed independently, the results are temporally coherent and stable. We perform experiments on two annotated video segmentation databases, which show that OSVOS is fast and improves the state of the art by a significant margin (79.8% vs 68.0%)
کد:12823
دانلود رایگان فایل انگلیسی:
رمز فایل:www.downloadmaghaleh.com
دانلود مقاله دات کام 
توضیحات محصول
دانلود مقاله تقسیم بندی آبجکت ویدئویی یک شاتی
تعداد کلمات فایل انگلیسی:5700 کلمه 10 صفحه pdf
تعداد صفحات فایل ترجمه:17 صفحه word فونت 14 B Nazanin
تقسیم بندی آبجکت ویدئویی یک شاتی
چکیده
این مقاله به وظیفه تقسیم بندی آبجکت ویدئوی نیمه نظارتی، یعنی تفکیک یک آبجکت از پس زمینه در یک ویدئو، با توجه به ماسک اولین فریم، می پردازد. ما به تقسیم بندی آبجکت ویدئویی یک شاتی (OSVOS) براساس معماری شبکه عصبی کاملا کانولوشن می پردازیم که قادر است تا به صورت پیوسته اطلاعات عمومی معنایی را منتقل کند، در ImageNet، برای وظیفه تقسیم بندی پیش زمینه ، و در نهایت ظهور یک عنصر مشخص شده از دنباله تست (بنابراین یک-شات) را یاد بگیرد. اگرچه تمام فریم ها به صورت مستقل پردازش می شوند، نتایج به صورت موقت، هماهنگ و پایدار هستند. ما دو پایگاه داده تقسیم بندی ویدئوی حاشیهنویسی شده را آزمایش می کنیم که نشان می دهد OSVOS سریع است و توسط یک حاشیه مهم بهبود می یابد (79.8% در مقابل 68.0%).
One-Shot Video Object Segmentation
Abstract
This paper tackles the task of semi-supervised video object segmentation, i.e., the separation of an object from the background in a video, given the mask of the first frame. We present One-Shot Video Object Segmentation (OSVOS), based on a fully-convolutional neural network architecture that is able to successively transfer generic semantic information, learned on ImageNet, to the task of foreground segmentation, and finally to learning the appearance of a single annotated object of the test sequence (hence one-shot). Although all frames are processed independently, the results are temporally coherent and stable. We perform experiments on two annotated video segmentation databases, which show that OSVOS is fast and improves the state of the art by a significant margin (79.8% vs 68.0%)
کد:12823
دانلود رایگان فایل انگلیسی:
رمز فایل:www.downloadmaghaleh.com