[发明专利]视差图预测模型训练方法、预测方法、装置及电子设备

摘要

本发明实施例提供了视差图预测模型训练方法、预测方法、装置及设备，可以获得3D片源样本集；用基础样本子集对初始视差图预测网络训练获得过渡视差图预测网络；用非基础样本子集对初始转换参数网络训练获得非基础样本子集分别对应的转换参数；将非基础样本子集的样本输入过渡视差图预测网络，获得过渡视差图预测网络预测的中间视差图；按非基础样本对应转换参数和视差图转换公式，将非基础样本的中间左视差图和中间右视差图转换为预测左视差图和预测右视差图；按预设损失函数公式和预设方法确定出视差图预测网络模型是否为训练好的视差图预测网络模型。可见，应用本发明实施例，提高了视差图预测模型预测出的视差图的准确性。

主权项

1.一种视差图预测网络模型的训练方法，其特征在于，所述方法包括：获得3D片源训练样本集，所述训练样本集中包含：多个不同双目相机对应的样本子集，每个样本子集由同一个双目相机拍摄的多个3D片源构成；其中，由预设的基础双目相机拍摄的多个3D片源构成的样本子集被设置为基础样本子集，由其他各个非基础双目相机拍摄的多个3D片源的各个样本子集均被设置为非基础样本子集；用基础样本子集中的多个基础样本，对初始视差图预测网络进行训练获得过渡视差图预测网络；用各个非基础样本子集中的多个非基础样本，分别对初始转换参数网络进行训练，获得各个非基础样本子集分别对应的转换参数；所述转换参数为：将所述过渡视差图预测网络输出的基于基础双目相机的中间视差图，转换为基于各个非基础双目相机的视差图的参数；用各个非基础样本子集中的多个非基础样本及其对应的转换参数，对所述过渡视差图预测网络进行训练，获得最终的视差图预测网络；其中，训练过程中使用的损失函数值，是基于第一预测视差图，按预设的第一损失函数公式计算获得的；所述第一预测视差图为：用所述转换参数对所述过渡视差图预测网络输出的基于基础双目相机的中间视差图进行转换，获得的基于非基础双目相机的视差图。