تخمین جریان نوری با استفاده از تقسیم بندی معنایی و شبکه عصبی عمیق AES

چکیده مقاله

اهمیت و نیازبه درک صحنه های بصری به علت پیشرفت سامانه های خودکاربه طور پیوسته افزایش یافته است. جریان نوری یکی از ابزارهای درک صحنه های بصری است. روشهای جریان نوری موجود، مفروضات کلی و همگن فضایی،در مورد ساختار فضایی جریان نوری ارائه میدهند. درواقع، جریان نوری در یک تصویر،بسته به کلاس شیو ه مچنین نوع حرکت اشیاءمختلف،متفاوت است .فرض اول در میان بسیاریاز روشهادر این زمینه،پایداریروشنایی در طی حرکت پیکسل ها بین فریمها است. ثابت شده است که این فرض درحالت کلی صحیح ناست .در این پژوهش از تقسیم بندی اشیای موجود در تصویرو تعیین حرکت اشیا به جای حرکت پیکسلی کمک گرفته شده است. درواقع از پیشرفتهای اخیرشبکه های عصبی کانولوشن در تقسیم بندی معنایی صحنه های استاتیک،برای تقسیم تصویر به اشیامختلف بهره گرفته میشود والگوهای مختلف حرکتی بسته به نوع شی تعریف میشود .سپس ،تخمین جریان نوری با استفاده ازایجاد یک شبکه عصبی کانولوشن عمیق برای تصویری که در مرحله اول تقسیم بندی معنایی شده است، انجام میشود. روش پیشنهادی کمترین خطا در معیارجریان نوری برای پایگاه دادهKITTI-2015را فراهم می آورد و تقسیم بندی بهتری را نسبت به روشهای اخیردر طیف وسیعی از فیلم های طبیعی تولیدمیکند