用于视频图像帧间运动补偿的深度卷积神经网络

• 作者: 于起峰 张小虎 龙古灿
• 来源期刊: 国防科技大学学报
• 学科: 工学
• 关键词: 深度学习 卷积神经网络 时序一致性 运动补偿帧插值
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 信息与通信工程?控制科学与工程
• 页码范围: 143-148
• 页数: 6页
• 分类号: TP391
• 字数: 3587字
• 语种: 中文
• DOI: 10.11887/j.cn.201605022

摘要

为探索深度学习理论在视频图像帧间运动补偿问题中的应用，提出一种用于视频图像帧间运动补偿的深度卷积神经网络。该网络由卷积模块和反卷积模块构成，可以处理不同分辨率输入图像并具备保持较完整图像细节的能力。利用具有时序一致性的视频图像序列构造训练样本，采用随机梯度下降法对设计的深度卷积神经网络进行训练。视觉效果和数值评估实验表明，训练得到的网络较传统方法能更有效地进行视频图像帧间运动补偿。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张小虎	国防科技大学航天科学与工程学院	30	264	8.0	15.0
5	于起峰	国防科技大学航天科学与工程学院	77	1222	18.0	32.0
9	龙古灿	国防科技大学航天科学与工程学院	1	6	1.0	1.0