一种面向真实水面域的深度光流模型自适应迁移训练方法

本发明公开了一种面向真实水面域的深度光流模型自适应迁移训练方法，涉及光流模型训练技术领域，包括：利用合成粒子图像测速数据集对光流网络预训练，获得基础模型；然后对真实水面帧对生成前后向位移场，结合前后向一致性、重映射光度残差、纹理强度和时序稳定性计算联合可信度，筛选高可信像素构建伪标签数据集；构建水面有效区域掩膜，对水面与非水面赋不同损失权重进行加权微调；对真实水面帧对施加多种退化变换生成增强样本；最后基于伪标签和退化样本构建包含空间平滑、时间连续、前后向一致、低置信区域抑制及主流向约束的物理一致性损失函数，优化训练模型。本发明实现高精度、鲁棒的真实水面位移估计。