[发明专利]一种基于全卷积神经网络的光场深度信息估计方法在审
| 申请号： | 201910187566.2 | 申请日： | 2019-03-13 |
| 公开（公告）号： | CN109949354A | 公开（公告）日： | 2019-06-28 |
| 发明（设计）人： | 李学华;王亚飞;罗灿 | 申请（专利权）人： | 北京信息科技大学 |
| 主分类号： | G06T7/50 | 分类号： | G06T7/50;G06T7/13;G06N3/04 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 100192 北*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于全卷积神经网络的光场深度信息估计方法，该方法设计了一种端到端的全卷积神经网络结构的模型，模型的输入为改良后的包含整个场景点信息的光场的EPI结构，还有EPI对应的边缘图作为输入来提高边缘部分的估计精度，模型通过对输入的特征提取输出估计的差异图。对于模型的训练，本发明提出了特定的数据增强方式来提高数据量。本发明提出的方法具有高精度、高效率、低计算代价的特点。 | ||
| 搜索关键词： | 光场 卷积神经网络 深度信息估计 神经网络结构 数据增强 特征提取 边缘图 差异图 点信息 高效率 数据量 卷积 改良 场景 输出 | ||
【主权项】：
1.一种基于全卷积神经网络的光场深度信息的估计方法，该方法应用于基于微透镜阵列的光场深度信息估计，其特征在于，该方法包括以下过程：a)使用基于微透镜阵列的光场相机采集光场图像数据，并使用改变视角顺序的方式增强数据多样性；b)将增强后的光场图像数据合成为改良的EPI(epipolar plane image)结构，同时，由边缘检测算法得到增强后的光场图像数据的边缘信息，组成边缘图；c)构建基于全卷积神经网络的网络模型，把改良的EPI结构和边缘图作为网络模型的输入，学习两者特征；d)以平均绝对误差作为代价函数训练网络模型，直到模型参数收敛，输出差异图。
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北京信息科技大学，未经北京信息科技大学许可，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/201910187566.2/，转载请声明来源钻瓜专利网。
