[发明专利]一种基于深度神经网络的双目深度估计方法有效
| 申请号： | 201811453789.0 | 申请日： | 2018-11-30 |
| 公开（公告）号： | CN109377530B | 公开（公告）日： | 2021-07-27 |
| 发明（设计）人： | 侯永宏;吕晓冬;许贤哲;陈艳芳;赵健 | 申请（专利权）人： | 天津大学 |
| 主分类号： | G06T7/80 | 分类号： | G06T7/80;G06T3/40;G06N3/04 |
| 代理公司： | 天津盛理知识产权代理有限公司 12209 | 代理人： | 陈娟 |
| 地址： | 300072*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于深度神经网络的双目深度估计方法，步骤如下：1)对输入的左、右视点图像通过预处理使数据增强；2)构建双目深度估计的多尺度网络模型，模型包含多个卷积层、激活层、残差连接、多尺度池化连接以及线性上采样层；3)设计损失函数使其在不断的训练过程中取得最小化结果，从而获得最优的网络权重；4)将待处理的图像输入到网络模型中，得到对应的深度图，并不断重复以上这几个步骤直到网络收敛或达到训练次数。本发明采用无监督学习的思想，仅利用双目相机获取的左右视点图像作为网络输入。该网络的自适应性设计将相机内外参数设置为单独的模型参数，因此能够在不需要修改网络的前提下适用于多个相机系统。 | ||
| 搜索关键词： | 一种 基于 深度 神经网络 双目 估计 方法 | ||
【主权项】：
1.一种基于深度神经网络的双目深度估计方法，步骤如下：1)对输入的左、右视点图像通过预处理使数据增强；2)构建双目深度估计的多尺度网络模型，模型包含多个卷积层、激活层、残差连接、多尺度池化连接以及线性上采样层；3)根据设计的多尺度网络模型设置初始化参数，设计损失函数使其在不断的训练过程中取得最小化结果，从而获得最优的网络权重；4)将待处理的图像输入到网络模型中，得到对应的深度图，并不断重复以上这几个步骤直到网络收敛或达到训练次数。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于天津大学，未经天津大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811453789.0/，转载请声明来源钻瓜专利网。
