基于半监督分割和光流的通用铁路障碍物检测系统

本文研究了卷积神经网络在无监督学习下学习光流预测的能力，并提出了一种新的模型来显式模拟遮挡问题。通过新颖的变换方式，该方法能更好地学习大运动。在Flying Chairs，MPI-Sintel和KITTI标准数据集上的测试结果表明，无监督方法在KITTI数据集上的效果优于有监督方法，尤其在该数据集上，我们的方法表现出色。