[发明专利]基于双目图像的模型训练方法、装置及数据处理设备

说明书

本申请提供一种基于双目图像的模型训练方法、装置及数据处理设备，图像匹配模型包括教师模型及学生模型。在本申请提供的方法中，首先获取通过双目图像采集装置在不同时间点采集的两组样本图像。然后针对两组样本图像中的任意两个样本图像，通过教师模型根据该两个样本图像之间的预设几何约束进行光流估计，获得更准确的高置信度光流估计结果，预设几何约束为基于双目图像的几何约束。最后将置信度高的光流估计结果作为标注信息，使用该两个样本图像对学生模型进行图像元素匹配的机器学习训练。如此，可以实现使用未标注图像的自监督训练，并且训练获得的模型具有较高的识别准确性。

技术领域

本申请涉及计算机视觉技术领域，具体涉及一种基于双目图像的模型训练方法、装置及数据处理设备。

背景技术

在计算机视觉识别领域，如何识别匹配不同图像中的同一物体是被广泛研究的计算机视觉任务，其中获得能够准确进行光流(opticalflow)估计或双目立体匹配(stereomatching)的卷积神经网络(Convolutional Neural Networks,CNN)模型是热点研究项目。

为了获得准确的图像匹配模型，需要对图像匹配模型进行机器学习训练，通常训练方式包括监督训练方法和无监督训练方法。有监督训练方法需要大量已标注的训练图像样本，如果使用已标注的真实图像作为训练样本，训练成本非常高，如果使用仿真的已标注图像作为训练样本，得到的模型在对真实图像进行识别时的准确度不佳。一些无监督训练方法采用了由教师模型得出的光流估计作为标记来指导学生模型的训练，但基于教师模型的光流估计不够准确，导致学生模型的识别能力可能受到极大影响。

发明内容

为了克服现有技术中的至少一个不足，本申请的目的之一在于提供一种基于双目图像的模型训练方法，应用于对图像匹配模型进行训练，所述图像匹配模型包括教师模型及学生模型，所述方法包括：

获取通过双目图像采集装置在不同时间点采集的两组样本图像；

针对所述两组样本图像中的任意两个样本图像，通过所述教师模型根据该两个样本图像之间的预设几何约束进行光流估计，获得光流估计结果，所述预设几何约束为基于双目图像的几何约束；

将所述光流估计结果作为标注信息，使用该两个样本图像对所述学生模型进行图像元素匹配的机器学习训练，所述图像元素匹配的过程为识别所述两个样本图像中属于同一物体的图像元素。

本申请的另一目的在于提供一种基于双目图像的模型训练装置，应用于对图像匹配模型进行训练，所述图像匹配模型包括教师模型及学生模型，所述装置包括：

图像获取模块，用于获取通过双目图像采集装置在不同时间点采集的两组样本图像；

第一训练模块，用于针对所述两组样本图像中的任意两个样本图像，通过所述教师模型根据该两个样本图像之间的预设几何约束进行光流估计，获得光流估计结果，所述预设几何约束为基于双目图像的几何约束；

第二训练模块，用于将所述光流估计结果作为标注信息，使用该两个样本图像对所述学生模型进行图像元素匹配的机器学习训练，所述图像元素匹配的过程为识别所述两个样本图像中属于同一物体的图像元素。

本申请的另一目的在于提供一种数据处理设备，包括机器可读存储介质及处理器，所述机器可读存储介质存储有机器可执行指令，所述机器可执行指令在被所述处理器执行时，实现本实施例提供的基于双目图像的模型训练方法。

相对于现有技术而言，本申请至少具有以下有益效果：

本申请提供的基于双目图像的模型训练方法、装置及数据处理设备，通过使用双目图像作为训练样本，结合双目图像的固有几何约束使教师模型输出高置信度的光流估计结果来指导学生模型的图像匹配学习。如此，可以实现使用未标注图像的自监督训练，并且训练获得的模型具有较高的识别准确性。

附图说明