抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
古典的空間ピラミッド定式化を組み合わせた深層学習によるオプティカルフローを計算するために学習する。これは電流推定による各ピラミッドレベルで対の一つの画像をワーピングと流れへの更新を計算することにより,粗から精へのアプローチにおける大きな運動を推定した。各ピラミッドレベルで目的関数の標準最小化の代わりに,著者らはフロー更新を計算するためのレベル当たり一つの深いネットワークを訓練した。最近FlowNetアプローチとは異なり,ネットワークは大きな運動に対応する必要がない,これらはピラミッドにより処理された。はいくつかの利点を持っている。最初に空間ピラミッドネットワーク(SPyNet)はそれよりもずっとシンプルで,モデルパラメータの観点からFlowNetより96%小さかった。これはそれをより効率的にし,埋込み応用のための適正なものとなる。第二,各ピラミッドレベルでの流れは小さい(Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】