结合注意力机制的深度学习光流网络

作     者：周海赟 项学智 翟明亮 张荣芳 王帅 ZHOU Haiyun;XIANG Xuezhi;ZHAI Mingliang;ZHANG Rongfang;WANG Shuai

作者机构：南京森林警察学院治安学院南京210023 哈尔滨工程大学信息与通信工程学院哈尔滨150001 

出 版 物：《计算机科学与探索》 (Journal of Frontiers of Computer Science and Technology)

年 卷 期：2020年第14卷第11期

页      面：1920-1929页

核心收录：

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：中央高校基本科研业务费专项资金No.LGZD201902 国家自然科学基金No.61401113 黑龙江省自然科学基金No.LC201426 

主　　题：光流估计 深度学习 注意力机制 空洞卷积 先验约束 

摘      要：为提升基于编解码架构的U型网络在深度学习光流估计中的精度,提出了一种结合注意力机制的改进有监督深度学习光流网络。网络由收缩和扩张两部分组成,收缩部分利用一系列卷积层来提取图像之间的高级特征,扩张部分通过反卷积操作将特征图恢复至原始图像分辨率,将通道注意力机制引入U型网络架构中以学习通道之间的相互依赖性,自适应地调整各通道的特征权重,增强网络的特征提取能力。同时,改进的网络还使用了空洞卷积以在卷积核尺寸不变的情况下增大感受野,使用变分光流方法中的恒常约束与平滑约束以进一步利用运动先验知识提升估计效果。最后基于合成图像序列数据集进行了实验验证,实验结果表明所设计的网络能够有效提升深度学习光流估计的准确率。