新THOTH网站可用在这里

DeepFlow公司

菲利普·魏恩扎普费尔    杰罗姆·雷沃    扎伊德·哈查伊    科迪利亚·施密德







代码

请注意，提到了我们的代码仅供科学或个人使用.

如果您有任何问题，请联系：

深度匹配代码

请参阅专用网页.

DeepFlow2的源代码

下载DeepMatching代码后，您可以在此处为下载DeepFlow2代码Linux操作系统或窗户（Visual C++，学分为米切尔·贝诺维用于移植）(新款).
这需要将DeepMatching返回的匹配项作为输入匹配项。
DeepFlow2是对DeepFlow的改进，它利用SSE指令加快计算速度。此外，该代码现在包含了平滑项的非局部权重和匹配项权重的计算。
代码在通用公共许可证.

汇编

简单地键入制作并且代码必须编译。
该程序仅在64位Linux发行版下进行了测试。
在编译失败的情况下，还提供了静态版本。
我们不支持其他操作系统或编译问题。

用法

使用DeepFlow2的一般命令是：

./depflow2<im1><im2><filename.flo>[选项]
要查看可用选项的列表，可以键入：
./深水2-h
选项-match允许从输入文件或stdin提供输入匹配。
特别是，论文的结果使用了DeepMatching的结果。

使用DeepMatching的示例

要计算包含DeepMatching的DeepFlow2，您需要在专用网页.DeepMatching输出的匹配项可以直接通过管道传输到DeepFlow2，如以下示例所示：

＜深度匹配路径＞/深度匹配sintel1.png sintel2.png|/deepflow2 sintel1.png sintel2.png sindel.flo-匹配-sintel
它以标准格式创建一个.flo文件。例如，可以使用米德尔伯里数据集。对于小尺寸图像，可以在提取DeepMatching时添加选项“-downscale 0”以获得更好的准确性。

警告：未匹配

如果不使用任何输入匹配（即不指定任何匹配参数），该方法将被限制为标准变分方法，而没有匹配积分，因此将失去准确性，特别是对于大位移。这就是opencv实现中的情况。

历史

Matlab包装器

要编译包装器，首先使用制作，然后打开matlab并编译mex文件：

mex deepflow2_matalab.cpp image.o io.o opticalflow.o opticalflow_aux.o solver.o-ljpeg-lpng-lm-output deepflow 2
包装器已经在Linux-64位的Matlab14b上进行了测试。我们不支持编译问题。

与DeepMatching一起使用（假设DeepMatcheng已添加到编译了matlab包装器的路径中；请注意，必须打开matlab并预装atlas以进行DeepMatch计算：LD_PRELOAD=/usr/lib64/alas/libtatlas.so.3 matlab):

>>im1=单个（imread（'intel1.png'））；>>im2=单个（imread（'intel2.png'））；>>matches=深度匹配（im1，im2）；>>flow=深度流2（im1，im2，匹配，'-sintel'）；
调用deepflow2（）将显示可用选项的列表。

Python包装器

python包装器需要numpy和（如果修改代码并重新编译，则需要swig）。要编译它，请键入制作蟒蛇.包装器仅在Linux-64位下进行了测试。我们不为编译问题提供任何支持。

与DeepMatching一起使用（假设DeepMatcheng已被添加到python路径中并编译了python包装器）：

>>从deepmatching导入deepmatcing>>从deepflow2导入deepflows2>>导入numpy>>从PIL导入图像>>im1=numpy.array（Image.open（'sintel1.png'））>>im2=numpy.array（Image.open（'sintel2.png'））>>matches=深度匹配（im1，im2）>>flow=deepflow2（im1，im2，matches，'-sintel'）
调用deepflow2（）将显示可用选项的列表。

引用

如果您使用我们的代码，请引用我们的论文：

@进行中{weinzaepfel:hal-00873592，作者={Weinzaepfel，Philippe and Revaud，Jerome and Harchaoui，Zaid and Schmid，Cordelia}，TITLE={{DeepFlow：具有深度匹配的大位移光流}}，BOOKTITLE={IEEE国际计算机视觉会议（ICCV）}}，年份={2013年}，月=12月，地址={澳大利亚悉尼}，URL={http://hal.iria.fr/hal-00873592}}

文章

2013年ICCV

DeepFlow：具有深度匹配的大位移光流
菲利普·温扎普费尔（Philippe Weinzaepfel）、杰罗姆·雷沃（Jerome Revaud）、扎伊德·哈查维（Zaid Harchaoui）和科迪莉亚·施密德（Cordelia Schmid），
程序。2013年12月，ICCV’13。   pdf格式幻灯片：幻灯片演示文件

IJCV 2016

深度匹配：分层可变形密集匹配
Jerome Revaud、Philippe Weinzaepfel、Zaid Harchaoui和Cordelia Schmid，
IJCV 2016。   pdf格式