[发明专利]一种基于自监督深度学习的双图深度估计方法有效
| 申请号： | 202110095247.6 | 申请日： | 2021-01-25 |
| 公开（公告）号： | CN112767467B | 公开（公告）日： | 2022-11-11 |
| 发明（设计）人： | 郑健青;黄保茹 | 申请（专利权）人： | 郑健青 |
| 主分类号： | G06T7/55 | 分类号： | G06T7/55;G06T7/80;G06T3/40;G06V10/44;G06V10/82;G06N3/04;G06N3/08 |
| 代理公司： | 上海京沪专利代理事务所(普通合伙) 31235 | 代理人： | 沈美英 |
| 地址： | 200331 上海市普*** | 国省代码： | 上海;31 |
| 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自监督深度学习的双图深度估计方法，相比现有的深度学习双图深度估计技术，在应用场景中该发明通过两张图像所提取特征的对应关系内化得到基础矩阵参数，从而无须相机标定参数和位置姿态信息，提高了使用灵活性和适用价值，其中交互注意力机制实现了两张图像之间不同尺度上特征的匹配与融合，而嵌入的最优传输算法解决了这一过程中的特征筛选问题，提升了现有方法中特征提取和匹配的准确性和稳定性，其中二维坐标被额外串联于特征图中改善卷积神经网络对空间感知不足问题，进一步提高现有方法的精确性，另外相比于现有的自监督学习算法，该发明结合多个损失函数项避免训练陷入局部极值，提高了学习过程的稳健性。 | ||
| 搜索关键词： | 一种 基于 监督 深度 学习 估计 方法 | ||
【主权项】：
暂无信息
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郑健青，未经郑健青许可，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/202110095247.6/，转载请声明来源钻瓜专利网。
