[发明专利]深度信息确定方法、装置、电子设备和存储介质在审

专利信息
申请号: 202110396781.0 申请日: 2021-04-13
公开(公告)号: CN112991415A 公开(公告)日: 2021-06-18
发明(设计)人: 尹康;吴宇斌;董怀琴;朱志鹏;王慧 申请(专利权)人: OPPO广东移动通信有限公司
主分类号: G06T7/50 分类号: G06T7/50
代理公司: 北京三高永信知识产权代理有限责任公司 11138 代理人: 邢惠童
地址: 523860 广东*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 深度 信息 确定 方法 装置 电子设备 存储 介质
【权利要求书】:

1.一种深度信息确定方法,其特征在于,所述方法包括:

对待处理的第一图像进行多级边缘特征放大,得到多个特征强化图,所述特征强化图为将所述第一图像的边缘特征放大的特征图;

将所述多个特征强化图与所述第一图像进行通道级联,得到第二图像;

基于所述第二图像确定所述第一图像的深度信息。

2.根据权利要求1所述的方法,其特征在于,所述将所述多个特征强化图与所述第一图像进行通道级联,得到第二图像,包括:

将所述第一图像的图像通道与所述多个特征强化图的图像通道进行拼接,得到通道级联图像;

对所述通道级联图像中的图像通道顺序进行重新排序,得到所述第二图像。

3.根据权利要求2所述的方法,其特征在于,所述对所述通道级联图像中的图像通道顺序进行重新排序,得到所述第二图像,包括:

从所述通道级联图像中确定第一通道图像和第二通道图像;将所述第一通道图像和所述第二通道图像的位置进行交换,得到所述第二图像;或者,

确定所述通道级联图像的通道数;基于所述通道数对所述通道级联图像的图像通道进行分组;根据所述分组对所述通道级联图像中的图像通道顺序进行重新排序,得到所述第二图像。

4.根据权利要求3所述的方法,其特征在于,所述根据所述分组对所述通道级联图像中的图像通道顺序进行重新排序,得到所述第二图像,包括:

根据所述分组,确定第一维度和第二维度,所述第一维度为所述通道级联图像中图像通道的组数,所述第二维度为所述每个分组中的通道图像的数量;

将所述通道级联图像变换为所述第一维度的第一多维图像;

根据所述第二维度,将所述第一多维图像变换为第二维度的第二多维图像;

对所述第二多维图像进行降维,得到所述第二图像。

5.根据权利要求1所述的方法,其特征在于,所述对待处理的第一图像进行多级边缘特征放大,得到多个特征强化图,包括:

确定特征放大函数和最大放大次数,所述特征放大函数为以放大次数和像素值为变量的函数;

对于所述第一图像的每个通道图像,通过所述特征放大函数,对所述通道图像中的每个像素点进行映射,得到所述通道图像的多个特征强化图,所述映射的次数为所述最大放大次数;

将所述每个通道图像的多个特征强化图组成所述第一图像的多个特征强化图。

6.根据权利要求1所述的方法,其特征在于,所述基于所述第二图像确定所述第一图像的深度信息,包括:

将所述第二图像输入至深度确定模型,得到所述第二图像的深度信息;

将所述第二图像的深度信息作为所述第一图像的深度信息。

7.根据权利要求6所述的方法,其特征在于,所述深度确定模型的训练过程包括:

对用于模型训练的任一第一样本图像进行多级边缘特征放大,得到多个样本特征强化图,所述样本特征强化图为将所述第一样本图像的边缘特征放大的特征图;

将所述多个样本特征强化图与所述第一样本图像进行通道级联,得到第二样本图像;

基于多个第二样本图像和每个第二样本图像对应的样本深度信息,对待训练的深度确定模型进行模型训练,得到深度确定模型。

8.根据权利要求7所述的方法,其特征在于,所述基于多个第二样本图像和每个第二样本图像对应的样本深度信息,对待训练的深度确定模型进行模型训练,得到深度确定模型,包括:

将所述第二样本图像输入至所述待训练的深度确定模型中,得到所述第二样本图像的预测深度信息;

根据所述预测深度信息和所述样本深度信息,确定所述待训练深度确定模型的损失值;

若所述待训练深度确定模型不收敛,根据所述损失值调整所述待训练深度确定模型的模型参数;

继续对调整参数后的深度确定模型进行模型训练,直到所述待训练深度确定模型收敛,得到训练完成的深度确定模型。

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OPPO广东移动通信有限公司,未经OPPO广东移动通信有限公司许可,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/202110396781.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top