用于运动估计的无监督卷积神经网络
计算机视觉与模式识别
2016-01-25 v1
摘要
传统的运动估计方法将一对图像之间的运动场 F 估计为最小化预设计代价函数的那个。在本文中，我们提出一种直接方法，并训练一个卷积神经网络（CNN），在测试时，当给定一对图像作为输入时，它在输出层产生稠密运动场 F。在缺少带有真实运动的大数据集以允许经典监督训练的情况下，我们提议以无监督方式训练该网络。训练期间优化的所提议代价函数基于经典光流约束。后者关于运动场是可微的，因此允许误差向网络前层反向传播。我们的方法在合成和真实图像序列上均进行了测试，并且性能与最先进的方法相似。
引用
@article{arxiv.1601.06087,
title = {Unsupervised convolutional neural networks for motion estimation},
author = {Aria Ahmadi and Ioannis Patras},
journal= {arXiv preprint arXiv:1601.06087},
year = {2016}
}
备注
Submitted to ICIP 2016