首页> 中国专利> 基于协同深度神经网络的运动边界指导的光流滤波方法

基于协同深度神经网络的运动边界指导的光流滤波方法

页面导航

摘要
著录项
法律信息
相似文献

摘要

本发明公开基于协同深度神经网络的运动边界指导的光流滤波方法，构建运动边界指导的光流滤波数据集和协同深度神经网络，输入为初始光流估计结果和运动边界，输出为滤波后的光流估计结果，包括初始光流特征提取子网络、运动边界特征提取子网络、光流滤波第一子网络和光流滤波第二子网络，利用训练集对协同深度神经网络进行训练，利用训练完成的协同深度神经网络对初始光流估计结果进行滤波，快速生成更高精度的光流估计结果。本发明的方法利用协同深度神经网络来自动学习运动边界指导的光流滤波过程，准确模拟从输入变量到输出光流滤波结果的复杂函数关系，避免除运动边界之外的无关边缘信息引入新误差，提高光流滤波的效率和准确率。

著录项

公开/公告号CN112991398A

专利类型发明专利
公开/公告日2021-06-18

原文格式PDF
申请/专利权人中国人民解放军国防科技大学;
展开▼

申请/专利号CN202110422946.7
发明设计人尹晓晴;李卫丽;杨亚洲;邓劲生;刘静;范俊;李硕豪;刘付军;胡腾飞;
展开▼

申请日2021-04-20
分类号G06T7/269(20170101);G06N3/04(20060101);
代理机构43236 长沙大珂知识产权代理事务所(普通合伙);
代理人伍志祥
地址 410073 湖南省长沙市开福区德雅路109号
入库时间 2023-06-19 11:29:13

法律信息

法律状态公告日

法律状态信息

法律状态
2022-02-11

授权

发明专利权授予

相似文献

专利
中文文献
外文文献

1. 基于协同深度神经网络的运动边界指导的光流滤波方法 [P] . 中国专利： CN112991398B . 2022.02.11
2. 基于协同深度神经网络的运动边界指导的光流滤波方法 [P] . 中国专利： CN112991398A . 2021-06-18
3. Hardware And Software Friendly System And Method For Decoder-Side Motion Vector Refinement With Decoder-Side Bi-Predictive Optical Flow Based Per-Pixel Correction To Bi-Predictive Motion Compensation [P] . US2021329257A1 . 2021-10-21

机译：用基于解码器侧双预测光流的单像素校正对双预测运动补偿的硬件和解码器侧运动向量细化的硬件和软件友好系统和方法
4. MOVEMENT MONITORING METHOD BASED ON LIGHT FLOW OF VISIBLE RAY AND MOVEMENT MONITORING SYSTEM USING SAME [P] . 韩国专利： KR101958315B1 . 2019-03-14

机译：基于可见光流的运动监测方法及运动监测系统的相同
5. METHOD AND APPARATUS FOR COMBINED LEARNING USING FEATURE ENHANCEMENT BASED ON DEEP NEURAL NETWORK AND MODIFIED LOSS FUNCTION FOR SPEAKER RECOGNITION ROBUST TO NOISY ENVIRONMENTS [P] . KR102316537B1 . 2021-10-22

机译：基于深度神经网络的特征增强基于深度神经网络和修改损耗函数来组合学习的方法和装置，用于扬声器识别到嘈杂的环境