عنوان مقاله:

نویسندگان:

پریسا نقدی لاهرود، مرتضی محمدی زنجیره، ندا فرجی یامچلو

تخمین جریان نوری یکی از مفاهیم پایه بینایی کامپیوتر است که از طریق آن جابجایی‌ پیکسل‌ها، بین دو فریم متوالی یک تصویر بدست می آید. این مقاله ضمن بررسی روش‌های کلاسیک تخمین جریان نوری و روش‌های مبتنی بر یادگیری عمیق، به چالش‌های موجود در این حوزه از جمله تغییرات شدید نور، الگوهای حرکتی پیچیده و انسداد می‌پردازد. با وجود عملکرد برتر مدل‌های یادگیری عمیق مانند FlowNet وRAFT در مقایسه با روش‌های کلاسیک در بسیاری از پایگاه‌‌های داده، چالش‌های موجود در مسائل دنیای واقعی، باعث کاهش دقت تخمین در این مدل‌ها می‌شوند. این مقاله ضمن بررسی چالش‌ها، مجموعه داده‌های موجود، روش‌های ارزیابی و کاربردهای جریان نوری به ارائه راهکارهایی برای بهبود عملکرد مدل‌ها طبق مقالات می‌پردازد.

انسداد، بینایی کامپیوتر، جریان نوری، یادگیری عمیق

برای لینک‌دهی به این مقاله از آدرس زیر استفاده نمایید:

برای ارجاع در منابع از عبارت زیر استفاده کنید:
نقدی لاهرود، پریسا، محمدی زنجیره، مرتضی، فرجی یامچلو، ندا، 1404، مروری بر روش‌های تخمین جریان نوری: از مدل‌های کلاسیک تا یادگیری عمیق، پیشرفت‌ها و چالش‌ها، بیست و یکمین کنفرانس ملی دانشجویی مهندسی برق ایران، https://conference.uok.ac.ir/fa/archive_index.php?c=HN-iscee21&aid=1517974