基于FlowNet2.0网络的目标光流检测方法

针对传统光流法存在鲁棒性不高、易对图像噪声敏感、实时性差等问题,提出了一种基于FlowNet2.0网络的目标光流检测方法。将相邻两帧图像输入基于Caffe学习框架的FlowNet2.0网络,让其在光流网络堆叠结构中进行相关卷积操作学习光流;接着对卷积神经网络前向反馈的梯度进行优化降低损失率,让其自适应地训练目标;最后融合光流模型实现预测光流图。FlyingChairs数据集的实验表明,相比于传统目标光流检测算法,本文方法在目标光流场检测中具有较好的实时性和自适应性。...

Ausführliche Beschreibung

Bibliographische Detailangaben

Veröffentlicht in:	龙岩学院学报 2020-04, Vol.38 (2), p.37-42
Hauptverfasser:	周泳, 陶兆胜, 阮孟丽, 王丽华
Format:	Artikel
Sprache:	chi
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!