无线电工程
無線電工程
무선전공정
Radio Engineering
2015年
12期
16-20
,共5页
目标检索%深度学习%视频监控
目標檢索%深度學習%視頻鑑控
목표검색%심도학습%시빈감공
object retrieval%deep learning%video surveillance
基于内容的目标检索一直是视频监控领域最重要的研究内容之一。面向视频监控应用场景，提出了基于深度自动编码机的目标检索方法。通过在训练过程加入掩膜图像辅助信息和人工噪声，提高了深度神经网络特征表示的鲁棒性。实验结果证明了该方法在监控视频目标检索任务中的有效性和优越性。
基于內容的目標檢索一直是視頻鑑控領域最重要的研究內容之一。麵嚮視頻鑑控應用場景，提齣瞭基于深度自動編碼機的目標檢索方法。通過在訓練過程加入掩膜圖像輔助信息和人工譟聲，提高瞭深度神經網絡特徵錶示的魯棒性。實驗結果證明瞭該方法在鑑控視頻目標檢索任務中的有效性和優越性。
기우내용적목표검색일직시시빈감공영역최중요적연구내용지일。면향시빈감공응용장경，제출료기우심도자동편마궤적목표검색방법。통과재훈련과정가입엄막도상보조신식화인공조성，제고료심도신경망락특정표시적로봉성。실험결과증명료해방법재감공시빈목표검색임무중적유효성화우월성。
The content?based object retrieval is one of the most important research topics in video surveillance.This paper presents a novel object retrieval approach based on deep auto encoder.This approach takes advantage of the mask information to assist object rep?resentation,and introduces manual noise into the learning approach,which enhances the robustness of feature representation in the deep neural network.The experimental results prove the effectiveness and superiority of this approach.
