[发明专利]一种基于深度学习的数字视频稳像方法有效
| 申请号： | 201811485029.8 | 申请日： | 2018-12-06 |
| 公开（公告）号： | CN109862253B | 公开（公告）日： | 2020-12-25 |
| 发明（设计）人： | 苗壮;王一鸣;黄倩;张睿;王家宝;李阳;张迪 | 申请（专利权）人： | 中国人民解放军陆军工程大学;南京荟英电子科技有限公司 |
| 主分类号： | H04N5/232 | 分类号： | H04N5/232;G06N3/04;G06N3/08 |
| 代理公司： | 南京钟山专利代理有限公司 32252 | 代理人： | 戴朝荣 |
| 地址： | 210007 江苏*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于深度学习的数字视频稳像方法包括如下步骤：步骤1：获取稳定视频帧，并利用计算机在稳定视频中加入随机抖动，构建一个用于训练视频稳像网络的数据集，所述数据集中包含成对的抖动和稳定的视频帧；步骤2：构建一个深度卷积神经网络，所述网络可以实现将抖动的视频转换为稳定视频；步骤3：构造一个损失函数，所述损失函数包括视频帧的稳定损失和SSIM损失，利用该损失函数训练深度卷积神经网络，获得深度视频稳像网络模型参数。本发明提供的基于深度学习的数字视频稳像方法采用深度学习的方法构造深度卷积神经网络，算法的复杂度降低使得本发明的平均运行时间会得到缩短。 | ||
| 搜索关键词： | 一种 基于 深度 学习 数字视频 方法 | ||
【主权项】：
1.一种基于深度学习的数字视频稳像方法，其特征在于：包括如下步骤：步骤1：获取稳定视频帧，并利用计算机在稳定视频中加入随机抖动，构建一个用于训练视频稳像网络的数据集，所述数据集中包含成对的抖动和稳定的视频帧；步骤2：构建一个深度卷积神经网络，所述网络可以实现将抖动的视频转换为稳定视频；步骤3：构造一个损失函数，所述损失函数包括视频帧的稳定损失和SSIM损失，利用该损失函数训练深度卷积神经网络，获得深度视频稳像网络模型参数。
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中国人民解放军陆军工程大学;南京荟英电子科技有限公司，未经中国人民解放军陆军工程大学;南京荟英电子科技有限公司许可，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/201811485029.8/，转载请声明来源钻瓜专利网。
- 上一篇：图像拍摄方法及装置
- 下一篇：摄像头切换的方法、系统及存储介质
