[发明专利]深度估计模型的训练方法、装置、电子设备及存储介质

说明书

本公开提供了一种深度估计模型的训练方法、装置、电子设备及存储介质，涉及人工智能技术领域，具体涉及深度学习、计算机视觉等技术领域，可应用于图像处理和图像识别场景下。具体实现方案为：获取样本图像，并生成与样本图像对应的样本深度图像和样本残差图像，根据样本深度图像，确定与样本图像对应的样本光度误差信息，以及根据样本图像、样本残差图像，以及样本光度误差信息训练初始的深度估计模型，以得到目标深度估计模型，能够有效地辅助提升训练得到的深度估计模型针对图像的深度特征的表达建模能力，提升深度估计模型的深度估计效果。

技术领域

本公开涉及人工智能技术领域，具体涉及深度学习、计算机视觉等技术领域，可应用于图像处理和图像识别场景下，尤其涉及深度估计模型的训练方法、装置、电子设备及存储介质。

背景技术

人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。

相关技术中的深度估计，可以分为：单目深度估计与双目深度估计，按照是否有监督，可细分为：单目有监督深度估计与单目无监督深度估计，其中，单目无监督深度估计，一般需要借助额外的信息，例如，前后帧视频序列的姿态信息、光流信息等。

发明内容

本公开提供了一种深度估计模型的训练方法、深度估计方法、装置、电子设备、存储介质及计算机程序产品。

根据本公开的第一方面，提供了一种深度估计模型的训练方法，包括：获取样本图像；生成与所述样本图像对应的样本深度图像和样本残差图像；根据所述样本深度图像，确定与所述样本图像对应的样本光度误差信息；以及根据所述样本图像、所述样本残差图像，以及所述样本光度误差信息训练初始的深度估计模型，以得到目标深度估计模型。

根据本公开的第二方面，提供了一种深度估计方法，包括：获取待估计图像；将所述待估计图像输入至如上述的深度估计模型的训练方法训练得到的目标深度估计模型之中，以得到所述目标深度估计模型输出的目标深度图像，所述目标深度图像包括：目标深度信息。

根据本公开的第三方面，提供了一种深度估计模型的训练装置，包括：第一获取模块，用于获取样本图像；生成模块，用于生成与所述样本图像对应的样本深度图像和样本残差图像；确定模块，用于根据所述样本深度图像，确定与所述样本图像对应的样本光度误差信息；以及训练模块，用于根据所述样本图像、所述样本残差图像，以及所述样本光度误差信息训练初始的深度估计模型，以得到目标深度估计模型。

根据本公开的第四方面，提供了一种深度估计装置，包括：第二获取模块，用于获取待估计图像；输入模块，用于将所述待估计图像输入至如上述的深度估计模型的训练装置训练得到的目标深度估计模型之中，以得到所述目标深度估计模型输出的目标深度图像，所述目标深度图像包括：目标深度信息。

根据本公开的第五方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面所述的深度估计模型的训练方法，或者执行如第二方面所述的深度估计方法。

根据本公开的第六方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如第一方面所述的深度估计模型的训练方法，或者执行如第二方面所述的深度估计方法。

根据本公开的第七方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如第一方面所述的深度估计模型的训练方法，或者执行如第二方面所述的深度估计方法。