Программа для оценки оптического потока на основе подходов глубокого обучения

Недавний прогресс в области искусственного интеллекта (ИИ) и быстрое увеличение вычислительных возможностей современных компьютеров повысили возможности решения проблем. Одна из целей информатики - дать возможность компьютерам видеть людей. Это в некоторой степени достигается с помощью обработки и анализа изображений и видео в области компьютерного зрения [1]. Подобно тому, как зрительная система человека стимулирует восприятие формы, расстояния и движения объектов в реальном мире и контроль локомоции, для компьютеров также важно иметь возможность делать то же самое [5]. Видеоролики содержат большое количество информации, анализ которой позволяет нам решать такие проблемы, как обнаружение движения и отслеживание, а также оценка скорости. Оценка скорости движущихся объектов с видеокамер является одной из важнейших тем в области компьютерного зрения. Это один из ключевых моментов в транспортных системах, робототехнике, военных и морских операциях, спорте и других. В этом исследовании мы исследуем современные методы оптического потока, которые применяют подходы глубокого обучения и расставляют приоритеты движения в качестве ключевой характеристики классификации [2] - [4] и используют сверточные нейронные сети (CNN) для прогнозирования, с большей точностью, скорости автомобиль с приборной панели автомобиля кадры