[发明专利]一种基于GAN网络深度学习模型的光流估计方法在审
| 申请号： | 201711386897.6 | 申请日： | 2017-12-20 |
| 公开（公告）号： | CN108122249A | 公开（公告）日： | 2018-06-05 |
| 发明（设计）人： | 张智福;余思洋;陈捷;郭玉其 | 申请（专利权）人： | 长沙全度影像科技有限公司 |
| 主分类号： | G06T7/269 | 分类号： | G06T7/269 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 410205 湖南省长沙市高新开发*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于GAN网络深度学习模型的光流估计方法，属于图像处理领域。包括以下步骤：构建光流估计的深度学习数据集，构建GAN网络深度学习模型，该模型包括卷积模块，残差模块和反卷积模块，利用数据集对深度学习模型进行训练，得到训练完成的深度学习模型，直接将待估计光流的图像输入训练完成的深度学习模型，快速估计出光流图像。本发明的方法利用深度学习模型来自动学习光流图像的图像特征，进行端到端光流估计，无需估计运动边界进行辅助，而且所采用的GAN网络深度学习模型能够充分挖掘输入图像中的多维特征，可提升光流估计的效率和准确率。 | ||
| 搜索关键词： | 光流估计 学习 光流 构建 网络 图像 图像处理领域 多维特征 估计运动 快速估计 输入图像 图像输入 图像特征 学习数据 自动学习 端到端 反卷积 数据集 准确率 残差 卷积 挖掘 | ||
【主权项】：
一种基于GAN网络深度学习模型的光流估计方法，其特征在于，包括以下步骤：步骤1：构建光流估计的深度学习数据集；步骤2：构建GAN网络深度学习模型，该模型包括卷积模块，残差模块和反卷积模块；步骤3：利用数据集对深度学习模型进行训练，得到训练完成的深度学习模型；步骤4：直接将待估计光流的图像输入训练完成的深度学习模型，快速估计出光流图像。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于长沙全度影像科技有限公司，未经长沙全度影像科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711386897.6/，转载请声明来源钻瓜专利网。
- 上一篇：基于视频测量的大坝自振频率识别方法
- 下一篇：用于立体匹配的方法和设备
