一种基于改进循环生成对抗网络的光流无监督估计方法技术

一种基于改进循环生成对抗网络的光流无监督估计方法，首先，改进生成器结构，引入空洞卷积在不降低特征图尺寸的情况下增加网络的感受野，同时引入通道

【技术实现步骤摘要】
一种基于改进循环生成对抗网络的光流无监督估计方法


[0001]本专利技术涉及光伏发电系统运维
，具体为一种基于改进循环生成对抗网络的光流无监督估计方法，利用任意光流结果图和两帧待求解光流图对网络实现无监督训练，进而完成对输入图像的光流估计。

技术介绍

[0002]导航作为无人系统(无人车，无人机和水下无人潜器等)执行任务的关键技术，受到了越来越多的学者关注。目前无人系统主流的导航方式为全球定位系统(Global PositioningSystem,GPS)和惯性导航系统(Inertial Navigation System,INS)。但GPS在城市或室内等环境中，普遍会由于信号遮挡导致其不可用，而INS由于利用积分获取导航参数，不可避免的会引入累积误差，导致长时间工作精度降低。由于GPS和INS自身的局限性，越来越多的导航方式被开发出来。光流作为仿生视觉导航的一种，受启发于自然界，在生物层面上，蜜蜂等昆虫利用复眼中的光流信息完成导航、避障与着陆等行为。在计算机视觉中，光流指的是两帧图片中对应物体像素由于运动导致的相对移动，因此光流包含了丰本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进循环生成对抗网络的光流无监督估计方法，其特征在于：包括以下步骤：(1)训练阶段：训练数据包括图片I1，图片I2和光流可视化图I
real
三个部分，其中图片I1与图片I2用于计算光流，I
real
则用来指导网络最终生成的光流图像风格，具体来说，将图片I1和图片I2在通道维度进行合并后，构成一个6维大小的张量I
1+2
，与I
real
一并输入给循环生成网络进行训练，在训练过程中，网络中的生成器G根据I
1+2
生成一个与原图大小相等，但通道数为2的张量FLOW，而后将FLOW利用可视化转换到一张与I
real
风格相似的图像I
fake
，并将I
fake
与I
real
同时输入给判别器D进行鉴别，D致力于区分输入样本的来源，而生成器则致力于以生成的样本欺骗判别器，网络以此种方式形成对抗训练，直至判别器无法对图像来源进行区分，则训练完成；(2)预测阶段：在完成循环生成对抗网络的训练之后，冻结判别器，只保留生成器，此时对两张待计算光流的图片与进行通道合并后得到图像与任意光流可视化图像一并输入给网络，此时网络会利用完成向的转化，即得到两帧图像的预测光流图。2.根据权利要求1所述的一种基于改进循环生成对抗网络的光流无监督估计方法，其特征在于：所述步骤(1)中改进循环生成对抗网络的具体含义如下：提出的光流计算方法相较于传统的循环生成对抗网络的改进主要包括三个方面，首先，改进生成器结构，引入空洞卷积在不降低特征图尺寸的情况下增加网络的感受野，同时引入通道
‑
空间注意力模块CSAM使生成器更加专注于输入图片中的运动物体，进而提高光流的估计精度，其次，引入Spynet作为教师网络对生成器进行指导，减少网络对大数据量的依赖，同时降低循环生成对抗网络陷入模...

【专利技术属性】
技术研发人员：张涛，刘晓晨，
申请(专利权)人：东南大学，
类型：发明
国别省市：