公开(公告)号：CN106709933B

公开(公告)日：2020-04-07

申请号：CN201611011646.5

申请日：2016-11-17

Applicant: 南京邮电大学

Inventor： 成卫青 ,  高博岩 ,  黄卫东

IPC: G06T7/207

Abstract: 本发明公开了一种基于非监督学习的运动估计的方法，该方法解决了基于监督学习的深度卷积神经网络在进行运动估计训练时对数据的高要求问题，尤其是需要对大量训练数据进行真值标注的问题。该方法使用非监督学习的方法对卷积神经网络进行训练，采用该方法进行训练降低了对于训练数据中真值的要求，建立了一种非一般性结构的深度卷积神经网络。此外，采用一种从粗糙到精细的计算模型使完成训练的网络模型能针对运动幅度较大的运动区域进行计算。

公开(公告)号：CN106709933A

公开(公告)日：2017-05-24

申请号：CN201611011646.5

申请日：2016-11-17

Applicant: 南京邮电大学

Inventor： 成卫青 ,  高博岩 ,  黄卫东

IPC: G06T7/207

Abstract: 本发明公开了一种基于非监督学习的运动估计的方法，该方法解决了基于监督学习的深度卷积神经网络在进行运动估计训练时对数据的高要求问题，尤其是需要对大量训练数据进行真值标注的问题。该方法使用非监督学习的方法对卷积神经网络进行训练，采用该方法进行训练降低了对于训练数据中真值的要求，建立了一种非一般性结构的深度卷积神经网络。此外，采用一种从粗糙到精细的计算模型使完成训练的网络模型能针对运动幅度较大的运动区域进行计算。