Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜东南大学张涛获国家专利权

恭喜东南大学张涛获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网恭喜东南大学申请的专利一种基于改进循环生成对抗网络的光流无监督估计方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN114693744B

龙图腾网通过国家知识产权局官网在2025-04-29发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202210150329.0,技术领域涉及:G06T7/269;该发明授权一种基于改进循环生成对抗网络的光流无监督估计方法是由张涛;刘晓晨设计研发完成,并于2022-02-18向国家知识产权局提交的专利申请。

一种基于改进循环生成对抗网络的光流无监督估计方法在说明书摘要公布了:一种基于改进循环生成对抗网络的光流无监督估计方法,首先,改进生成器结构,引入空洞卷积在不降低特征图尺寸的情况下增加网络的感受野,同时引入通道‑空间注意力模块使生成器更加专注于输入图片中的运动物体,其次,引入Spynet作为教师网络对生成器进行指导。最后,引入光流一致性损失和轮廓一致性损失。将改进之处放入循环生成对抗网络框架中,生成器负责利用生成的图像蒙骗判别器。生成器与判别器以此种方式进行对抗训练,当判别器无法区分图像来源时,完成训练,而后即可利用两幅连续图像实现光流的估计。此方法可用于以无人机、无人车以及水下无人潜器等为载体的,易受光照变化、阴雨天等恶劣条件影响的基于光流的自主导航任务。

本发明授权一种基于改进循环生成对抗网络的光流无监督估计方法在权利要求书中公布了:1.一种基于改进循环生成对抗网络的光流无监督估计方法,其特征在于:包括以下步骤:1训练阶段:训练数据包括图片I1,图片I2和光流可视化图Ireal三个部分,其中图片I1与图片I2用于计算光流,Ireal则用来指导网络最终生成的光流图像风格,具体来说,将图片I1和图片I2在通道维度进行合并后,构成一个6维大小的张量I1+2,与Ireal一并输入给循环生成网络进行训练,在训练过程中,网络中的生成器G根据I1+2生成一个与原图大小相等,但通道数为2的张量FLOW,而后将FLOW利用可视化转换到一张与Ireal风格相似的图像Ifake,并将Ifake与Ireal同时输入给判别器D进行鉴别,D致力于区分输入样本的来源,而生成器则致力于以生成的样本欺骗判别器,网络以此种方式形成对抗训练,直至判别器无法对图像来源进行区分,则训练完成;步骤1中改进循环生成对抗网络的具体含义如下:提出的光流计算方法相较于传统的循环生成对抗网络的改进主要包括三个方面,首先,改进生成器结构,引入空洞卷积在不降低特征图尺寸的情况下增加网络的感受野,同时引入通道-空间注意力模块CSAM使生成器更加专注于输入图片中的运动物体,进而提高光流的估计精度,其次,引入Spynet作为教师网络对生成器进行指导,减少网络对大数据量的依赖,同时降低循环生成对抗网络陷入模式坍塌的风险,最后,引入光流一致性损失和轮廓一致性损失,提升生成的光流精度;步骤1的具体训练过程为:假设在所求解的问题中存在两个域,域A和域B,域A代表两幅光流待求解图I1和I2经通道拼接后生成的6维张量I1+2,域B代表光流图Ireal,所提出的改进循环生成网络的任务即简化为域A与域B的循环转换,即利用生成器GA将I1+2向域B进行转换,同时,利用生成器GB将Ireal向域A进行转换,转换后利用判别器对图像来源进行甄别,即将生成器生成的图片与真实图片一并输入给判别器D,判别器通过训练,对图像来源进行判断,并指导优化生成器参数,进而提高生成器生成图像的真实度,判别器与生成器在这种对抗中进行共同训练,在训练过程中,光流一致性损失通过计算生成的光流与I1、I2之间的关系来提升生成的光流精度,轮廓一致性损失通过比较生成的光流图Ifake与I1之间轮廓差异来细化Ifake的轮廓信息,同时,引入Spynet作为教师网络,利用EPE损失函数对生成器进行训练指导,当判别器无法区分图像是否来自于生成器时,即达到纳什平衡,完成训练;2预测阶段:在完成循环生成对抗网络的训练之后,冻结判别器,只保留生成器,此时对两张待计算光流的图片与进行通道合并后得到图像与任意光流可视化图像一并输入给网络,此时网络会利用完成向的转化,即得到两帧图像的预测光流图;步骤2的具体操作过程为:在完成对改进循环生成对抗网络的训练之后,冻结判别器,只采用生成器,与训练过程类似,将两张待计算光流的图像通过通道拼接后得到一幅代表域A的图像与任意真实的光流图作为域B,同时输入到训练完成的网络中,此时生成器GA和GB会完成域A与域B的相互转换,进而在无监督的条件下完成光流的预测。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人东南大学,其通讯地址为:210096 江苏省南京市玄武区四牌楼2号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。