[發明專利]一種基于GAN網絡深度學習模型的光流估計方法在審
| 申請號： | 201711386897.6 | 申請日： | 2017-12-20 |
| 公開（公告）號： | CN108122249A | 公開（公告）日： | 2018-06-05 |
| 發明（設計）人： | 張智福;余思洋;陳捷;郭玉其 | 申請（專利權）人： | 長沙全度影像科技有限公司 |
| 主分類號： | G06T7/269 | 分類號： | G06T7/269 |
| 代理公司： | 暫無信息 | 代理人： | 暫無信息 |
| 地址： | 410205 湖南省長沙市高新開發*** | 國省代碼： | 湖南;43 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 光流估計 學習 光流 構建 網絡 圖像 圖像處理領域 多維特征 估計運動 快速估計 輸入圖像 圖像輸入 圖像特征 學習數據 自動學習 端到端 反卷積 數據集 準確率 殘差 卷積 挖掘 | ||
【權利要求書】：
1.一種基于GAN網絡深度學習模型的光流估計方法，其特征在于，包括以下步驟：
步驟1：構建光流估計的深度學習數據集；
步驟2：構建GAN網絡深度學習模型，該模型包括卷積模塊，殘差模塊和反卷積模塊；
步驟3：利用數據集對深度學習模型進行訓練，得到訓練完成的深度學習模型；
步驟4：直接將待估計光流的圖像輸入訓練完成的深度學習模型，快速估計出光流圖像。
2.根據權利要求1所述的基于GAN網絡深度學習模型的光流估計方法，其特征在于：所述步驟1中光流估計深度學習數據集中的樣本數量不少于20000，其中每個樣本包含運動視頻中兩幀相鄰圖像和這兩幀圖像所對應的光流圖像。
3.根據權利要求1所述的基于GAN網絡深度學習模型的光流估計方法，其特征在于：所述步驟2中的卷積模塊包括4個卷積層，殘差模塊包括5個子網絡，其中每個子網絡包括1個卷積層，1個歸一化層和1個ReLU激活層，反卷積模塊包括4個反卷積層，反卷積模塊中每個反卷積層在作反卷積時調用對應卷積層的圖像特征，上一層的輸出結果作為下一層的輸入。
4.根據權利要求1所述的基于GAN網絡深度學習模型的光流估計方法，其特征在于：所述步驟3中訓練深度學習模型使用Caffe框架。
下載完整專利技術內容需要扣除積分，VIP會員可以免費下載。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于長沙全度影像科技有限公司，未經長沙全度影像科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201711386897.6/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：基于視頻測量的大壩自振頻率識別方法
- 下一篇：用于立體匹配的方法和設備
