买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江大学申请的专利基于强弱变换差异构造伪标签的半监督的光流估计方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116416282B 。

龙图腾网通过国家知识产权局官网在2025-10-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211604036.1，技术领域涉及：G06T7/269；该发明授权基于强弱变换差异构造伪标签的半监督的光流估计方法是由刘勇;诸丰彦;王蒙蒙设计研发完成，并于2022-12-13向国家知识产权局提交的专利申请。

本基于强弱变换差异构造伪标签的半监督的光流估计方法在说明书摘要公布了：本发明涉及计算机视觉技术领域，公开了基于强弱变换差异构造伪标签的半监督的光流估计方法，本发明提出了一种半监督学习范式，仅使用少部分数据就可以得到接近有监督学习的效果，且效果相比无监督学习提升明显，本发明在光流估计问题中不依靠标签而引入空间域、时域的强弱变换差异为监督信号。同时首次将数据增强强度在这种Few‑Shot学习模式中提升到比纯有监督学习算法更强的强度。

本发明授权基于强弱变换差异构造伪标签的半监督的光流估计方法在权利要求书中公布了：1.基于强弱变换差异构造伪标签的半监督的光流估计方法，其特征在于，包括以下步骤： S1、输入视频帧，对相邻两帧进行光流标注，输出的数据为2帧图像及对应的光流，作为有监督部分输入； S2、输入视频帧，相邻2帧进行组合后保存，作为无监督部分输入； S3、网络构建，包括特征金字塔编码网络，翘曲变换层，代价损失计算层，解码层； S4、对有监督部分数据进行强数据增强，输入网络进行计算，并和数据标注计算有监督部分损失； S5、对无监督部分数据进行弱增强，输入网络进行计算，计算无监督部分损失和光流估计结果； S6、对步骤5弱增强数据的基础上进行强增强，输入网络进行计算，得到光流估计结果； S7、对步骤5得到的弱增强的光流估计结果进行和步骤6的图像同样的增强，得到光流变换结果； S8、计算步骤6和步骤7的2个光流输出的误差，作为半监督部分损失函数； S9、将步骤4计算的有监督损失，步骤5计算的无监督损失和步骤8计算的半监督损失加权加和后对网络模型进行优化； S10、前向计算，输入视频帧对，输入步骤3中的网络结构，输出光流结果； 所述特征金字塔编码网络对于输入的两帧图像I1和I2，首先使用共享参数的特征编码网络分别对两幅图像提取多尺度特征，在特征金字塔内的处理上，对于第l层的输入特征图对，首先对来自上一层的光流进行二倍上采样，使得其和当前的空间尺度保持一致，利用上采样的光流对当前层的第二帧的对应特征进行翘曲变换，并将变换后的结果和第一帧计算误差，特征提取器由多个卷积层堆叠而成，以共享参数的形式对输入的两帧图像I1和I2分别生成多尺度的特征金字塔，将第t帧对应的各个尺度的特征表示记作并以最低的第零层表示为输入图像，即为了在第l层生成特征表示，将第l‑1层中的首个卷积滤波器滤器的步长设为2，以将来自上一层的特征降采样2倍，特征金字塔提取器一共进行6次降采样，对每张图片输出6组尺度的特征表示，特征的通道数量依次增加，分别为16，32，64，96，128，196。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江大学，其通讯地址为：310000 浙江省杭州市西湖区余杭塘路866号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。