Thông tin chung

  English

  Đề tài NC khoa học
  Bài báo, báo cáo khoa học
  Hướng dẫn Sau đại học
  Sách và giáo trình
  Các học phần và môn giảng dạy
  Giải thưởng khoa học, Phát minh, sáng chế
  Khen thưởng
  Thông tin khác

  Tài liệu tham khảo

  Hiệu chỉnh

 
Số người truy cập: 106,048,960

 End-to-End Deep Background Subtraction Based on Encoder-Decoder Network
Tác giả hoặc Nhóm tác giả: Duy H.Le, Tuan V.Pham
Nơi đăng: The 2019 6th NAFOSTED Conference on Information and Computer Science (NICS’19); Số: NICS19;Từ->đến trang: 381-386;Năm: 2019
Lĩnh vực: Công nghệ thông tin; Loại: Bài báo khoa học; Thể loại: Quốc tế
TÓM TẮT
ABSTRACT
Background subtraction or change detection aims to segment the moving object from the background, and it has become a vital task in many video analysis and surveillance systems. There are different approaches were proposed to solve this problem effectively. In the past, all background subtraction methods use low-level handcraft features such as raw color space or local pattern. Recently, there are many background subtraction methods based on a convolutional neural network that have demonstrated astonishing results. Therefore, in this paper, we introduce an end-to-end convolutional neural network for background subtraction. The network is based on the idea of encoder-decoder deep neural network. In the encoder part, deep features from target frame and reference frame are extracted and compared to measure the difference. Then the decoder converts these features from an encoder to into segmentation map with fine detail. The experimental results tested on CDNet 2014 dataset show that the proposed structure archives the state-of-the-art performance.
© Đại học Đà Nẵng
 
 
Địa chỉ: 41 Lê Duẩn Thành phố Đà Nẵng
Điện thoại: (84) 0236 3822 041 ; Email: dhdn@ac.udn.vn