[发明专利]图像深度信息获取模型的训练方法、装置及电子设备

说明书

本申请公开了一种图像深度信息获取模型的训练方法、装置及电子设备，涉及人工智能领域，具体为计算机视觉、智能交通和深度学习技术领域。该方案为：获取样本图像及样本点云信息；将样本图像和样本点云信息输入图像深度信息获取模型中，获取初始深度信息和特征信息；根据初始深度信息和特征信息，识别出深度信息不稳定的目标像素点；根据目标像素点的深度信息，确定损失函数中的权重值；根据权重值对损失函数进行调整，直至模型训练结束，生成目标图像深度信息获取模型，充分利用了模型训练过程中深度信息不稳定的目标像素点的深度信息，使得训练好的模型输出的深度信息能够更加接近真实值，点云信息更加稠密。

技术领域

本申请的实施例总体上涉及图像处理技术领域，并且更具体地涉及人工智能领域，具体为计算机视觉、智能交通和深度学习技术领域。

背景技术

图像的深度信息作为支持计算机视觉技术的重要信息，对三维重建有着重要的意义。举例而言，针对自动驾驶等领域，深度信息更是不可或缺的信息之一。

相关技术中，通常采用激光雷达技术确定深度信息。然而，此种情况下，所获取到的深度信息的稠密度较低，无法达到实用的要求。因此，进一步地，通常会将获取到的图像和深度信息输入训练好的图像深度信息获取模型，以获取稠密的深度信息。

然而，相关技术中的图像深度信息获取模型的训练方法并不完善，导致训练效果不理想，进一步导致获取到的深度信息无法满足用户的需求。因此，如何提高图像深度信息获取模型的训练过程中的有效性和可靠性，已成为了重要的研究方向之一。

发明内容

本申请提供了一种图像深度信息获取模型的训练方法、装置及电子设备。

根据第一方面，提供了一种图像深度信息获取模型的训练方法，包括：

获取样本图像以及所述样本图像对应的样本点云信息；

将所述样本图像和所述样本点云信息输入图像深度信息获取模型中，获取所述样本图像中每个像素点的初始深度信息和特征信息；

根据所述像素点的初始深度信息和所述特征信息，从所有所述像素点中识别出深度信息不稳定的目标像素点；

根据所述目标像素点的深度信息，确定所述目标像素点对应的所述图像深度信息获取模型的损失函数中的权重值；

根据所述权重值对所述损失函数进行调整，并返回所述获取样本图像以及所述样本图像对应的样本点云信息步骤重新训练直至模型训练结束，生成目标图像深度信息获取模型。

根据第二方面，提供了一种图像深度信息获取模型的训练装置，包括：

第一获取模块，用于获取样本图像以及所述样本图像对应的样本点云信息；

第二获取模块，用于将所述样本图像和所述样本点云信息输入图像深度信息获取模型中，获取所述样本图像中每个像素点的初始深度信息和特征信息；

识别模块，用于根据所述像素点的初始深度信息和所述特征信息，从所有所述像素点中识别出深度信息不稳定的目标像素点；

确定模块，用于根据所述目标像素点的深度信息，确定所述目标像素点对应的所述图像深度信息获取模型的损失函数中的权重值；

生成模块，用于根据所述权重值对所述损失函数进行调整，并返回所述获取样本图像以及所述样本图像对应的样本点云信息步骤重新训练直至模型训练结束，生成目标图像深度信息获取模型。

根据第三方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请第一方面所述的图像深度信息获取模型的训练方法。