FAILED
首站-论文投稿智能助手
典型文献
基于改进Cycle-GAN的光流无监督估计方法
文献摘要:
卷积神经网络为光流的计算提供了 一种新的方式,但作为一种数据驱动技术,用于训练网络的大规模光流真值在现实世界中不易获取.为了解决这个弊端,基于Cycle-GAN的循环对抗机制,提出了一种光流无监督估计方法.首先,引入双判别器机制在生成器生成的光流样本的底层和高层特征上进行鉴别,迫使生成器提高光流生成的精度.其次,引入Spynet作为教师网络,在生成器训练前期对其进行指导,防止网络陷入模式崩塌.最后,改进损失函数,提出了光流一致性损失和轮廓一致性损失函数,进一步提升光流估计精度.实验结果表明,与现有的先进算法相比,提出的方法达到与有监督算法相同的精度水平.
文献关键词:
光流估计;循环生成对抗网络;视觉导航;无监督学习
作者姓名:
刘晓晨;张涛
作者机构:
东南大学仪器科学与工程学院,南京210096;东南大学微惯性仪表与先进导航技术教育部重点实验室,南京210096
引用格式:
[1]刘晓晨;张涛-.基于改进Cycle-GAN的光流无监督估计方法)[J].导航定位与授时,2022(04):51-59
A类:
Spynet
B类:
Cycle,GAN,估计方法,数据驱动技术,真值,现实世界,对抗机制,双判别器,生成器,迫使,教师网络,防止网络,崩塌,损失函数,一致性损失,光流估计,估计精度,有监督,循环生成对抗网络,视觉导航,无监督学习
AB值:
0.308791
相似文献
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。