Détection temporelle de saillance dynamique dans des vidéos par apprentissage profond - Inria - Institut national de recherche en sciences et technologies du numérique Accéder directement au contenu
Communication Dans Un Congrès Année : 2018

Détection temporelle de saillance dynamique dans des vidéos par apprentissage profond

Résumé

We address the problem of motion saliency in videos. More precisely, we aim to determine at each time step if an image can be classified as salient or not according to its motion content. An image will be detected as salient if it contains objects whose motion departs from its spatio-temporal context. The proposed approach handles situations with a mobile camera and involves a deep learning stage. Several variants are proposed and compared. Temporal saliency detection is relevant for applications that require to trigger alerts or to monitor dynamic behaviours from videos. Experiments on real videos demonstrate that the proposed methods can provide accurate classification.
Le problème étudié concerne l'analyse de la saillance dynamique dans des vidéos. Plus précisément, nous cherchons à chaque instant à déterminer si une image peut être classée comme saillante ou non selon des informations liées au mouvement dans l'image. Une image sera détectée comme saillante si elle contient des éléments dont le mouvement se démarque de son contexte spatio-temporel. L'approche proposée traite les cas où la caméra est en mouvement et utilise l'apprentissage profond. Plusieurs variantes en sont proposées et comparées. La détection temporelle est pertinente pour de nombreuses applications où une alerte ou une attention particulière doit être déclenchée en rapport avec le contenu dynamique des vidéos. Des expérimentations sur une base de vidéos réelles variées montrent la très bonne précision de classification obtenue.
Fichier principal
Vignette du fichier
Détection_Saillance.pdf (1.04 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

hal-01926351 , version 1 (19-11-2018)

Identifiants

  • HAL Id : hal-01926351 , version 1

Citer

Léo Maczyta, Patrick Bouthemy, Olivier Le Meur. Détection temporelle de saillance dynamique dans des vidéos par apprentissage profond. RFIAP 2018 - Reconnaissance des Formes, Image, Apprentissage et Perception, Jun 2018, Marne-la-Vallée, France. pp.1-8. ⟨hal-01926351⟩
223 Consultations
214 Téléchargements

Partager

Gmail Facebook X LinkedIn More