摘要
近年来，得益于深度卷积神经网络的发展，图像显著性检测取得了显著进展。然而，将最先进的图像显著性检测方法拓展至视频领域仍面临挑战。视频中物体或相机的运动，以及外观对比度的剧烈变化，严重制约了显著目标检测的性能。本文提出了一种名为光流引导的循环神经编码器（Flow Guided Recurrent Neural Encoder, FGRNE）的精确且端到端学习框架，用于视频显著目标检测。该框架通过融合两方面信息来增强帧间特征的时序一致性：一是基于光流的运动信息，二是基于LSTM网络的序列特征演化编码。FGRNE可被视为一种通用框架，能够将任意基于全卷积网络（FCN）的静态图像显著性检测器无缝扩展至视频显著目标检测任务。大量实验结果验证了FGRNE各组成部分的有效性，并证实所提出方法在DAVIS和FBMS等公开基准数据集上的性能显著优于当前最先进的方法。