[发明专利]基于图卷积神经网络的单目深度估计方法在审
| 申请号： | 202110237547.3 | 申请日： | 2021-03-04 |
| 公开（公告）号： | CN112967326A | 公开（公告）日： | 2021-06-15 |
| 发明（设计）人： | 赵智龙;付炜平;张玉亮;王东辉;孟荣;范晓丹;刘洪吉;尹子会;张东坡 | 申请（专利权）人： | 国网河北省电力有限公司检修分公司;国家电网有限公司 |
| 主分类号： | G06T7/50 | 分类号： | G06T7/50;G06N3/04;G06N3/08 |
| 代理公司： | 石家庄新世纪专利商标事务所有限公司 13100 | 代理人： | 呼春辉 |
| 地址： | 050070 河*** | 国省代码： | 河北;13 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 基于 图卷 神经网络 深度 估计 方法 | ||
1.一种基于图卷积神经网络的单目深度估计方法，其特征在于：包括如下步骤，S1下采样操作，对电力设备的图像的深度图从粗到细进行下采样，获得用于重建图的深度图；S2加噪声，基于S1步骤形成的用于重建图的深度图添加高斯噪声；S3生成拓扑图，基于S2步骤形成的添加高斯噪声后的深度图，根据深度间隔阈值θ生成相应稀疏程度的拓扑图；S4深度拓扑图过滤，基于S3步骤形成的拓扑图进行过滤，获得过滤后每一尺度深度的拓扑图。
2.根据权利要求1所述的基于图卷积神经网络的单目深度估计方法，其特征在于：在S1步骤中，通过最大池、随机池和均值池向下采样操作。
3.根据权利要求1所述的基于图卷积神经网络的单目深度估计方法，其特征在于：在S1步骤中，深度图分为形状相同的块，该块作为节点，其边缘信息由深度值和块的位置组成。
4.根据权利要求1所述的基于图卷积神经网络的单目深度估计方法，其特征在于：在S1步骤中，操作为Pooling(·)。
5.根据权利要求1所述的基于图卷积神经网络的单目深度估计方法，其特征在于：在S2步骤中，在添加高斯噪声时，根据需要约束深度值上限。
6.根据权利要求1所述的基于图卷积神经网络的单目深度估计方法，其特征在于：在S3步骤中，通过Interval(·)计算深度间隔阈值θ。
7.根据权利要求1所述的基于图卷积神经网络的单目深度估计方法，其特征在于：在S4步骤中，使用伯努利分布的样本根据概率p从矩阵随机删除边缘。
8.根据权利要求1所述的基于图卷积神经网络的单目深度估计方法，其特征在于：在S4步骤中，通过操作ReconGraph(·)生成拓扑图。
9.根据权利要求1所述的基于图卷积神经网络的单目深度估计方法，其特征在于：S4步骤包括两个子步骤，第一步，通过操作Paired(·)获得邻接节点Set{Ni，Nj}，并在操作中使用Dropout(·)；第二步，获得每一尺度深度的拓扑图。
10.根据权利要求1～9中任意一项所述的基于图卷积神经网络的单目深度估计方法，其特征在于：基于两个CNN网络和一个GNN网络，一个CNN网络为上层的CNN网络，其用于根据预训练的模型冻结参数推断出粗略的深度图，根据深度拓扑图策略获得深度图，另一个CNN网络为底层的CNN网络，其输出结果给GNN网络。
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国网河北省电力有限公司检修分公司;国家电网有限公司，未经国网河北省电力有限公司检修分公司;国家电网有限公司许可，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/pat/books/202110237547.3/1.html，转载请声明来源钻瓜专利网。
