[发明专利]一种基于卷积神经网络的多重帧插值方法有效
| 申请号： | 201910300915.7 | 申请日： | 2019-04-15 |
| 公开（公告）号： | CN110191299B | 公开（公告）日： | 2020-08-04 |
| 发明（设计）人： | 陈耀武;周橹楠;田翔;刘雪松 | 申请（专利权）人： | 浙江大学 |
| 主分类号： | H04N7/01 | 分类号： | H04N7/01;H04N5/14;G06N3/04 |
| 代理公司： | 杭州天勤知识产权代理有限公司 33224 | 代理人： | 曹兆霞 |
| 地址： | 310013 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于卷积神经网络的多重帧插值方法，包括：(1)截取连续n帧为一个训练样本组成训练集，(2)对训练样本进行数据增强；(3)构建深度卷积神经网络，包括用于提取尾帧相对于首帧的相位差的相位子网络，用于提取尾帧相对于首帧的运动特征的编码子网络，用于根据相位差和运动特征生成光流场图的多端解码网络，以及对多端解码网络的输出与首帧和尾帧进行融合输出插值图像的合成子网络；(4)设计损失函数；(5)利用训练样本对深度卷积神经网络进行训练，获得多重帧插值模型；(6)输入连续的两帧图像至多重帧插值模型，经计算输出两帧图像之间的插值帧图像。该多重帧插值方法可以处理光照变化较大的场景。 | ||
| 搜索关键词： | 一种 基于 卷积 神经网络 多重 帧插值 方法 | ||
【主权项】：
1.一种基于卷积神经网络的多重帧插值方法，包括以下步骤：(1)收集连续的视频帧，截取连续n帧为一个训练样本组成训练集，其中，训练样本中的首帧和尾帧作为输入，剩下中间帧作为起监督作用的输出，n为大于等于5的自然数；(2)对训练样本进行水平垂直翻转、旋转、随机截取方形区域、随机反置时域帧顺序以及图像全局亮度线性调整处理，以实现对训练集的数据增强；(3)构建深度卷积神经网络，包括用于提取尾帧相对于首帧的相位差的相位子网络，用于提取尾帧相对于首帧的运动特征的编码子网络，用于根据相位差和运动特征生成光流场图的多端解码网络，以及对多端解码网络的输出与首帧和尾帧进行融合输出插值图像的合成子网络；(4)根据深度卷积神经网络的预测输出的插值图像与训练样本中的中间帧的差异设计损失函数；(5)利用步骤(1)和步骤(2)获得的训练样本对所述深度卷积神经网络进行训练，当网络参数确定时获得多重帧插值模型；(6)应用时，输入连续的两帧图像至多重帧插值模型，经计算输出两帧图像之间的插值帧图像。
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浙江大学，未经浙江大学许可，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/201910300915.7/，转载请声明来源钻瓜专利网。
