【视频目标检测】|FlowNet: Learning Optical Flow with Convolutional Networks
本文提出了一种能够将光流估计问题作为监督学习任务的CNNs。我们提出并比较两个架构:一个通用架构和另一个架构,包括一个在不同的图像位置关联特征向量的层。由于现有的地ground truth数据集不够大,不足以训练CNN,所以我们生成了一个大型的合成Flying Chairs dataset。我们发现,在这种不现实的数据上训练的网络,仍然可以很好地推广到现有的数据集,比如Sintel和KITTI,在5到10 fps的帧率上达到了有竞争的精度。翻译:https://blog.csdn.net/weixin_4
原创
2021-08-27 09:16:37 ·
268 阅读 ·
0 评论