[发明专利]一种基于3D卷积神经网络的双目视差计算方法有效
| 申请号： | 201910195328.6 | 申请日： | 2019-03-14 |
| 公开（公告）号： | CN110060290B | 公开（公告）日： | 2021-06-04 |
| 发明（设计）人： | 陈创荣;成慧;范正平 | 申请（专利权）人： | 中山大学 |
| 主分类号： | G06T7/55 | 分类号： | G06T7/55;G06N3/04;G06N3/08 |
| 代理公司： | 广州粤高专利商标代理有限公司 44102 | 代理人： | 陈伟斌 |
| 地址： | 510275 广东*** | 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： | 本发明涉及一种基于3D卷积神经网络的双目视差计算方法。包括：S1.根据定义的多尺度特征提取方法对输入的左右视图分别进行特征提取；S2.堆叠左右图相应视差对应位置的特征得到4D的cost volume；S3.使用3D CNN子网络进行代价聚合，得到视差值的对数似然估计，并且上采样到原图分辨率，得到每个像素的可能视差值的对数似然估计，进行对数归一化操作得到新的对数似然估计；S4.计算设置的真实分布；S5.进行反向传播训练；S6.得到每个像素的视差对数似然分布后，转换成概率得到视差概率分布；S7.找到对应最大概率的视差值，S8.由前述左右视差值和视差概率分布，得到归一化概率分布；S9.通过加权平均操作得到每个像素视差的最终估计值。本发明可以有效提高视差计算的精度。 | ||
| 搜索关键词： | 一种 基于 卷积 神经网络 双目 视差 计算方法 | ||
【主权项】：
1.一种基于3D卷积神经网络的双目视差计算方法，其特征在于，包括以下步骤：S1.构建一种用于多尺度特征提取网络结构，根据该结构定义一种多尺度特征提取方法；S2.根据S1步骤提供的特征提取网络方法，对输入的左右两幅图像分别进行特征提取，得到的特征设为F1、F2；S3.根据提取得到的左右图特征F1和F2，堆叠左右图相应视差对应位置的特征得到4D的cost volume；S4.基于构建的4D cost volume，使用3D CNN子网络进行代价聚合，得到视差值的对数似然估计，并且上采样到原图分辨率，得到每个像素的可能视差值的对数似然估计，进行对数归一化操作得到新的对数似然估计，定义为L；S5.根据训练数据的视差真实值，计算设置的真实分布；S6.根据对数似然估计和真实分布，计算交叉熵，得到loss，利用该loss进行反向传播训练；S7.局部推断：得到每个像素的视差对数似然分布后，转换成概率得到视差概率分布Pi；S8.基于得到的视差概率分布Pi，找到对应最大概率的视差值，设为dmax；S9.由前述左右视差值和视差概率分布，得到归一化概率分布![]()
S10.通过加权平均操作得到每个像素视差的最终估计值![]()
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中山大学，未经中山大学许可，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/201910195328.6/，转载请声明来源钻瓜专利网。
