基于深度学习的端到端全局和局部运动估计方法（图像处理、计算机视觉、深度学习）（2024年下证）

基于深度学习的端到端全局和局部运动估计方法属于图像处理领域。从原始视频中估计全局和局部运动是很有必要的。现有的全局和局部运动估计方法都不能以端到端的形式同时对视频帧中的两种运动进行估计。本发明提出了一种分别进行全局和局部运动估计的三模块运动估计网络，提出了基于特征维度变换和全局运动基的全局运动估计器，来约束全局运动估计模块关注全局低秩信息，并排除非全局信息的干扰。利用混合重构损失、全局重构损失和局部重构损失三个损失函数对网络进行无监督深度学习。在单应性估计数据集DHE和行为识别数据集NCAA上验证了本发明的有效性。实验结果表明，本发明具有比以往的方法更好的性能。

《基于深度学习的端到端全局和局部运动估计方法（图像处理、计算机视觉、深度学习）（2024年下证）》是一发明专利，专利号为 2023100292850，当前法律状态为已下证，由北京工业大学提出申请，发明人为毋立芳;郑祎豪;李尊;相叶，申请日期为2023-01-09，公开（公告）日期为2024-12-03，国际专利分类号（IPC）为 G06T 7/269 (2017.01)，高新资质：未报高企，所属技术领域包括：图像处理、视频分析、计算机视觉、机器学习、深度学习、监控。该专利已下发证书，权利稳定，适合直接办理转让过户，是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更（过户）的一站式专利转让服务，专业顾问全程协助，确保交易合规、安全、高效。专利摘要：基于深度学习的端到端全局和局部运动估计方法属于图像处理领域。从原始视频中估计全局和局部运动是很有必要的。现有的全局和局部运动估计方法都不能以端到端的形式同时对视频帧中的两种运动进行估计。本发明提出了一种分别进行全局和局部运动估计的三模块运动估计网络，提出了基于特征维度变换和全局运动基的全局运动估计器，来约束全局运动估计模块关注全局低秩信息，并排除非全局信息的干扰。利用混合重构损失、全局重构损失和局部重构损失三个损失函数对网络进行无监督深度学习。在单应性估计数据集DHE和行为识别数据集NCAA上验证了本发明的有效性。实验结果表明，本发明具有比以往的方法更好的性能。

海量优质专利即买即用，四大核心优势助您弯道超车：
🏆 拿资质，享红利：高企认定、专精特新必备！轻松获取政府补贴、税收减免，招投标直接加分！
💎 增信誉，融资金：支持实缴注册资金，彰显企业硬实力；支持专利质押贷款，盘活现金流，扩张不缺钱！
🔥 强背书，防抄袭：印上“专利产品”，客户更信赖！构建技术壁垒，把竞争对手挡在门外，稳占市场份额！
🚀 省时间，快变现：告别漫长研发与高风险！优质专利即买即用，让技术立刻变成真金白银的利润！