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

Abstract

اهمیت و نیاز به درک صحنه­های بصری به علت پیشرفت سامانه‌های خودکار به‌طور پیوسته افزایش یافته است. جریان نوری یکی از ابزارهای درک صحنه‌های بصری است. روش­های جریان نوری موجود، مفروضات کلی و همگن فضایی، در مورد ساختار فضایی جریان نوری ارائه <br /> می­دهند. درواقع، جریان نوری در یک تصویر، بسته به کلاس شی و همچنین نوع حرکت اشیاء مختلف، متفاوت است. فرض اول در میان بسیاری از روش‌ها در این زمینه، پایداری روشنایی در طی حرکت پیکسل­ها بین فریم­ها است. ثابت شده است که این فرض در حالت کلی صحیح ناست. در این پژوهش از تقسیم‌بندی اشیای موجود در تصویر و تعیین حرکت اشیا به‌جای حرکت پیکسلی کمک گرفته شده است. درواقع از پیشرفت­های اخیر شبکه‌های عصبی کانولوشن در تقسیم­بندی معنایی صحنه­های استاتیک، برای تقسیم تصویر به اشیا مختلف بهره گرفته می­شود و الگوهای مختلف حرکتی بسته به نوعشی تعریف می­شود. سپس، تخمین جریان نوری با استفاده از ایجاد یک شبکه عصبی کانولوشن عمیق برای تصویری که در مرحله اول تقسیم­بندی معنایی شده است، انجام می­شود. روش پیشنهادی کمترین خطا در معیار جریان نوری برای پایگاه داده KITTI-2015 را فراهم می­آورد و تقسیم­بندی بهتری را نسبت به روش­های اخیر در طیف وسیعی از فیلم­های طبیعی تولید می­کند.