[发明专利]一种基于卷积神经网络的图像深度估计方法有效
| 申请号： | 201710850577.5 | 申请日： | 2017-09-20 |
| 公开（公告）号： | CN107767413B | 公开（公告）日： | 2020-02-18 |
| 发明（设计）人： | 李格;余翔宇 | 申请（专利权）人： | 华南理工大学 |
| 主分类号： | G06T7/50 | 分类号： | G06T7/50 |
| 代理公司： | 广州市华学知识产权代理有限公司 44245 | 代理人： | 李斌 |
| 地址： | 510640 广*** | 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： | 本发明公开了一种基于卷积神经网络的图像深度估计方法，包括以下步骤：搭建卷积‑反卷积对神经网络模型，所述卷积‑反卷积对神经网络模型包括多个不同的卷积层、多个卷积‑反卷积层对和激活层；选取训练集，并设置卷积‑反卷积对神经网络模型的训练参数；根据卷积‑反卷积对神经网络模型及其训练参数，以最小化损失函数为目标训练卷积‑反卷积对神经网络模型形成图像深度估计神经网络模型；将待处理的图像输入到图像深度估计神经网络模型，输出对应的深度图。利用本发明的基于卷积‑反卷积对神经网络的图像深度估计方法获得的深度图灰度值较精确，深度图层次感更强。 | ||
| 搜索关键词： | 一种 基于 卷积 神经网络 图像 深度 估计 方法 | ||
【主权项】：
一种基于卷积神经网络的图像深度估计方法，其特征在于，所述方法包括以下步骤：S1、搭建卷积‑反卷积对神经网络模型，所述卷积‑反卷积对神经网络模型包括多个不同的卷积层、多个卷积‑反卷积层对和激活层；S2、选取训练集，并设置卷积‑反卷积对神经网络模型的训练参数；S3、根据卷积‑反卷积对神经网络模型及其训练参数，以最小化损失函数为目标训练卷积‑反卷积对神经网络模型形成图像深度估计神经网络模型；S4、将待处理的图像输入到图像深度估计神经网络模型，输出对应的深度图。
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华南理工大学，未经华南理工大学许可，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/201710850577.5/，转载请声明来源钻瓜专利网。
- 上一篇：一种图像处理方法及装置
- 下一篇：一种低分辨率图像中行人朝向的识别方法
- 彩色图像和单色图像的图像处理
- 图像编码/图像解码方法以及图像编码/图像解码装置
- 图像处理装置、图像形成装置、图像读取装置、图像处理方法
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序以及图像解码程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序、以及图像解码程序
- 图像形成设备、图像形成系统和图像形成方法
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
