[发明专利]一种基于卷积神经网络的室内场景布局估计方法及系统

权利要求书

1.一种基于卷积神经网络的室内场景布局估计方法，其特征是：包括以下步骤：

获取室内场景图像；

利用经过训练的网络预测模型，预测边缘图和语义分割图；

根据评价标准和预测的边缘图以及语义分割图，从候选布局池中筛选符合要求的候选布局；

对候选布局逐一迭代，在关键点附近设置替换点以得到更优布局，最终选出最优室内布局。

2.如权利要求1所述的一种基于卷积神经网络的室内场景布局估计方法，其特征是：网络预测模型的训练过程包括：

获取训练用的室内场景图像；

生成室内布局训练集的边缘图标签和语义分割图标签；

利用训练数据及标签训练可表征室内布局的边缘图和语义分割图的网络预测模型；

将训练数据集所生成的边缘图标签和语义分割图标签作为布局池。

3.如权利要求2所述的一种基于卷积神经网络的室内场景布局估计方法，其特征是：在利用训练数据及标签训练过程中，包括基础特征提取，在边缘图生成过程中加入通道自适应强化，在语义分割图生成过程中加入空间特征强化。

4.如权利要求2所述的一种基于卷积神经网络的室内场景布局估计方法，其特征是：生成室内布局训练集的边缘图标签和语义分割图标签的具体过程包括：根据室内场景图像中的布局关键点，用多个像素宽的线条绘制出墙面的交界线，然后进行高斯模糊得到室内布局边缘图；最后将天花板、地面、中墙、左墙和右墙分别用1表示，其他区域用0表示，生成对应的语义分割图标签。

5.如权利要求1所述的一种基于卷积神经网络的室内场景布局估计方法，其特征是：从候选布局池中筛选符合要求的候选布局的具体过程包括：依据设定的评价标准在布局池中筛选出与网络预测的室内布局特征图最相似的结果，所述室内布局特征图包括室内布局边缘图和语义分割图。

6.如权利要求1所述的一种基于卷积神经网络的室内场景布局估计方法，其特征是：在关键点附近设置替换点以得到更优布局，最终选出最优室内布局的具体过程包括：对于每一个候选布局，在其每个关键点附近寻找邻近点像素代替，得到新的布局并计算评价分数，若评价分数增大，则用新布局代替原有布局，若评价分数不变或下降则保留原有布局，选择所有细化候选布局中评价分数最高的作为最终结果。

7.一种基于卷积神经网络的室内场景布局估计系统，其特征是：包括：

图像采集模块，被配置为获取室内场景图像；

预测模块，被配置为利用经过训练的网络预测模型，预测边缘图和语义分割图；

候选布局筛选模块，被配置为根据评价标准和预测的边缘图以及语义分割图，从候选布局池中筛选符合要求的候选布局；

候选布局细化模块，被配置为对候选布局逐一迭代，在关键点附近设置替换点以得到更优布局，最终选出最优室内布局。

8.如权利要求7所述的一种基于卷积神经网络的室内场景布局估计系统，其特征是：所述预测模块包括：

边缘图标签生成模块和语义分割图标签生成模块，被配置为分别生成室内布局训练集的边缘图标签和语义分割图标签；

边缘图和语义分割图生成模块，被配置为利用训练数据及标签训练可表征室内布局的边缘图和语义分割图生成模型，包括用于特征提取的基础特征提取模块，加入了通道自适应强化单元的边缘图生成模块，以及加入了空间特征强化单元的语义分割图生成模块；

室内场景布局池预定义模块，被配置为将训练数据集所生成的边缘图标签和语义分割图标签作为布局池。

9.一种电子设备，其特征是：包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成如权利要求1-7中任一项所述的一种基于卷积神经网络的室内场景布局估计方法中的步骤。

10.一种计算机可读存储介质，其特征是：用于存储计算机指令，所述计算机指令被处理器执行时，完成如权利要求1-7中任一项所述的一种基于卷积神经网络的室内场景布局估计方法中的步骤。