《表4 KITTI数据集上的定量评估》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《结合注意力机制的深度学习光流网络》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

所设计的光流网络在Flying Chairs和FlyingThings3D数据集上进行训练，在Flying Chairs数据集上训练时，批量大小设置为8，在Flying Things3D数据集上训练时批量大小设置为4。在Flying Chairs数据集上训练的迭代次数为1.2×106次，初始学习率为0.000 1，在训练到4×105次之后每经过2×105次迭代，学习率缩减一半。然后，在Flying Things3D数据集上进行微调，初始学习率设置为0.000 01，并在迭代3×105之后每迭代105次将其减小一半。此外，分别在MPI-Sintel、KITTI2012和KITTI2015数据集的训练集和测试集上测试训练得到的模型，并与近期相关工作进行了全面比较。值得注意的是，训练网络的训练集并不包含这3类数据集中的训练集。表3和表4显示了在不同基准数据集下测试得到的数值结果，误差度量使用平均端点误差（average end point error，AEE），在KITTI2015数据集上使用的误差度量为光流估计错误像素点所占的百分比。