Communication Dans Un Congrès Année : 2019

Estimation de flot optique multiframe par apprentissage profond

Résumé

Ce papier concerne l'estimation du flot optique dans un contexte "multiframe", c'est-à-dire lorsque l'on dispose de séries de plus de deux images temporellement proches, par exemple issues d'une caméra à haute cadence. Nos travaux s'inscrivent dans la tendance récente à appliquer l'apprentissage profond à ces questions d'estimation. Nous présentons un estimateur, FlowNetStack, qui consiste globalement à mettre en entrée du réseau FlowNet une série de N>2 images, et que nous entraînons sur une base de vidéos simulées à haute cadence conçue pour l'occasion. Sur des données haute cadence, FlowNetStack permet d'obtenir des résultats meilleurs que des algorithmes de flot optique à l'état de l'art (PWC-Net) tout en ayant une structure beaucoup plus simple.
Fichier principal
Vignette du fichier
2019_godet399.pdf (3.4 Mo) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-04917763 , version 1 (28-01-2025)

Identifiants

  • HAL Id : hal-04917763 , version 1

Citer

Pierre Godet, Aurélien Plyer, Alexandre Boulch, Guy Le Besnerais. Estimation de flot optique multiframe par apprentissage profond. GRETSI 2019, Aug 2019, Lille, France. ⟨hal-04917763⟩
0 Consultations
0 Téléchargements

Partager

More