[发明专利]一种基于全卷积神经网络FCN的单目图像深度估计方法有效
申请号: | 201710649934.1 | 申请日: | 2017-08-02 |
公开(公告)号: | CN107578436B | 公开(公告)日: | 2020-06-12 |
发明(设计)人: | 朱沛贤;霍智勇 | 申请(专利权)人: | 南京邮电大学 |
主分类号: | G06T7/55 | 分类号: | G06T7/55;G06K9/62;G06N3/04 |
代理公司: | 南京经纬专利商标代理有限公司 32200 | 代理人: | 徐莹 |
地址: | 210000 江苏省*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开了一种基于全卷积神经网络FCN的单目图像深度估计方法,包括步骤:获取训练图像数据;将训练图像数据输入全卷积神经网络FCN,池化层依次输出得到特征图像;及从最后一个池化层开始将其输出特征图像进行放大处理,获得与其前一池化层输出特征图像尺寸一致的特征图像并将二者的特征图像融合;从后向前依次对每个池化层的输出特征图像融合以获得最终预测深度图像;且训练中利用随机梯度下降法SGD对全卷积神经网络FCN中的参数训练;获取需要预测深度的RGB图像输入训练后的全卷积神经网络FCN,获得对应的预测深度图像。本发明可以改善卷积过程中输出图像分辨率较低的问题,且采用全卷积网络的形式,去除了全连接层,有效减少了网络的参数量。 | ||
搜索关键词: | 一种 基于 卷积 神经网络 fcn 图像 深度 估计 方法 | ||
【主权项】:
一种基于全卷积神经网络FCN的单目图像深度估计方法,其特征在于,包括以下步骤:步骤1、获取训练图像数据;步骤2、将步骤1中得到的训练图像数据输入建立的全卷积神经网络FCN进行训练,其过程包括:将训练图像数据输入全卷积神经网络FCN,由全卷积神经网络FCN内的每一池化层依次输出得到特征图像;及从最后一个池化层开始将其输出特征图像进行放大处理,获得与其前一池化层输出特征图像尺寸一致的特征图像并将二者的特征图像融合,由利用从后向前顺序依次对每个池化层的输出特征图像融合以最终获得预测深度图像;且训练中利用随机梯度下降法SGD对全卷积神经网络FCN中的参数训练;步骤3、获取需要预测深度的RGB图像输入训练后的全卷积神经网络FCN,获得对应的预测深度图像。
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南京邮电大学,未经南京邮电大学许可,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/patent/201710649934.1/,转载请声明来源钻瓜专利网。
- 上一篇:一种洒水角度可调节的洒水车
- 下一篇:集热电污水处理于一体的洒水车