CN112734644B 一种多个注意力结合光流的视频超分辨模型及方法 （安徽工业大学）_第1页
CN112734644B 一种多个注意力结合光流的视频超分辨模型及方法 （安徽工业大学）_第2页
CN112734644B 一种多个注意力结合光流的视频超分辨模型及方法 （安徽工业大学）_第3页
CN112734644B 一种多个注意力结合光流的视频超分辨模型及方法 （安徽工业大学）_第4页
CN112734644B 一种多个注意力结合光流的视频超分辨模型及方法 （安徽工业大学）_第5页
已阅读5页，还剩15页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种多个注意力结合光流的视频超分辨模本发明提供的一种多个注意力结合光流的视觉技术领域。本发明的模型包括特征提取部长短时记忆网络(DLSTM)进行视频帧融合，防止2力分支中的模块按视频帧经过顺序为空间注意力模块-自注意力模块-卷积模块-上采样模3.一种利用权利要求2的模型进行多个注意力结合光流的视频超分辨方法，其特征在seca所述的通道注意力模块中，将特征输入后，分别经自适应平均池化过Sigmoid函数得到注意力特征图，再将注意力特征图与输入特征作矩阵乘法得到输出特3f表示光流估计网络。y4[0009]本发明的一种多个注意力结合光流的视频超分辨模型，该模型包括特征提取部5[0010]更进一步地，所述的多注意力分支中的模块按视频帧经过顺序为空间注意力模H>NL。征相加经过Sigmoid函数得到注意力特征图，再将注意力特征图与输入特征作矩阵乘法得6[0040](1)鉴于现有的视频超分辨方法存在计算成本高或视频恢复后易出现抖动的问[0041](2)本发明的一种多个注意力结合光流的视频超分辨方法，使用光流网络进行第变形卷积加入到传统LSTM中，可以对空间位置信息的位移进行调整保留了LSTM原本的优7使用递归神经网络用于维持视频的连贯性，但是这种方法在保留空间信息方面效果不好。本发明的一种多个注意力结合光流的视频超分辨模型及方法，提供双阶段特征对齐的思力分支中的模块按视频帧经过顺序为空间注意力模块-自注意力模块-卷积模块-上采样模块-卷积模块；所述的注意力光流估计分支模块顺序为视频帧同时经过空间注意力模块和H>NL。8得到的特征相加经过一个Sigmoid函数得到注意力特征图，再将注意力特征图与输入特征[0064]空间注意力可以为每一个空间位置分配权重，更有效的利用跨通道和空间的信池化层是由平均池化和最大池化以及连接操作构成，经过池化层后接着经过1x1的卷积和9

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论