光流估计FlowNet V2

    FlowNet V1是利用深度学习来解决光流问题，其速度达到了实时的要求，但效果还是不如最优的传统方法，所以FlowNet V2的出现，牺牲了一部分速度，但大大的提高了计算光流的效果，如下图所示：

该网络的架构还是采用coast_to_fine 的stack net，其stack了FlowNetC和两个FlowNets，

（1）首先，输入image1和image2，输出光流图，利用光流图，warp image2，得到warped图，由image1减去image2，得到Brightness Error图，接着，image1，warped，image2，flow 和Brightness Error五副图 ，作为FlowNetS的输入，同理再通过另一个FlowNets，输出FlowMagnitude，flow和brightness error。

（2）为了解决微小的移动光流，FlowNet V2还设计了FlowNet-SD 模块，来提取微小移动光流的特征。

 （3）最后，在经过（1）的输出，（2）的输出和Image1三部分作为最后的特征，并进行融合，作为最后的输出。