[发明专利]基于空洞卷积和半监督学习的图像深度估计系统与方法在审
| 申请号： | 201811598902.4 | 申请日： | 2018-12-26 |
| 公开（公告）号： | CN109741383A | 公开（公告）日： | 2019-05-10 |
| 发明（设计）人： | 王伟;刘逸颖;王川功;许琳珊;丁泽;赵雯倩 | 申请（专利权）人： | 西安电子科技大学 |
| 主分类号： | G06T7/50 | 分类号： | G06T7/50;G06N3/04;G06N3/08;G06K9/62 |
| 代理公司： | 陕西电子工业专利中心 61205 | 代理人： | 程晓霞;王品华 |
| 地址： | 710071 陕*** | 国省代码： | 陕西;61 |
| 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空洞卷积和半监督学习的图像深度估计系统与方法，解决了从单幅图像中估计场景深度的问题。本发明对现有的编码器‑解码器的网络结构模型进行了改进，在编码器模块和解码器模块之间加入了空洞卷积模块。本发明的图像深度估计方法，具体实现为：获取训练集和测试集；利用半监督的学习策略训练模型；用测试集测试模型精度；使用模型估计图像深度。本发明使用空洞卷积来提高网络的空间感知能力，采用半监督学习策略，并通过深度图平滑误差来优化输出的深度图。本发明具有参数模型小，预测精度高，细节信息完整的特点。用于图像三维重建、自动驾驶等领域。 | ||
| 搜索关键词： | 卷积 图像深度估计 半监督学习 空洞 测试集 深度图 图像 网络结构模型 解码器 编码器模块 解码器模块 参数模型 测试模型 单幅图像 空间感知 模型估计 平滑误差 三维重建 细节信息 学习策略 训练模型 自动驾驶 半监督 编码器 训练集 场景 输出 预测 优化 改进 网络 | ||
【主权项】：
1.一种基于空洞卷积和半监督学习的图像深度估计系统，包括编解码器模块和与之对称连接的解码器模块，编解码器模块输入待估计的图像，解码器模块得到并输出估计出的深度图，其特征在于，编解码器模块和解码器模块之间加入了空洞卷积模块；空洞卷积模块的主体为一个包含4个并行连接的具有不同膨胀率的卷积核的空洞卷积金字塔模型。
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西安电子科技大学，未经西安电子科技大学许可，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/201811598902.4/，转载请声明来源钻瓜专利网。
