一种基于RPCA的深度网络视频显著性检测方法

本发明公开了一种基于RPCA的深度网络视频显著性检测方法，旨在解决传统RPCA方法中奇异值分解（SVD）计算复杂度高、参数选择繁琐的问题。通过引入矩阵分解形式的Schatten‑p范数约束，避免了SVD计算瓶颈；设计具有可学习参数集的分段线性阈值函数，实现稀疏正则化项的自适应学习；构建端到端的深度网络框架，以数据驱动的方式优化所有参数。实验结果表明，本发明在视频显著性检测任务中表现出更高的检测精度和效率，具有广泛的应用前景。