基于无监督学习和多尺度深度卷积的海洋粒子图像测速方法

本发明属于计算机视觉领域，具体涉及一种基于无监督学习和多尺度深度卷积的海洋粒子图像测速方法。基于经典的光流网络LiteFlowNet，结合多尺度Inception深度卷积模块，增强了网络对复杂流场特征的提取能力。同时，采用亚像素上采样层替代传统的双线性插值方法，从而使得重建的流场更加精细。此外，网络通过无监督损失进行训练，摆脱了对大规模标注数据集的依赖，并在无监督损失函数中融合结构相似性损失，以更加有效地保留图像结构信息，从而进一步提升光流场估计的精度。使其可用于海底流场的检测，对于海洋开发和海底生物研究起关键作用。