[发明专利]一种基于对抗网络的单目深度估计系统实现方法

摘要

一种基于对抗网络的单目深度估计系统实现方法，涉及单目图像深度估计。包括训练阶段和测试，所述训练阶段的具体步骤为：收集用于训练的RGB图像集和前n张图像对应的深度图像集合；根据设计的网络结构初始化生成器网络参数θG和两个判别器网络的参数θPD,θDD；设置训练的迭代次数；所述测试阶段的具体步骤为：导入训练好的生成器网络权重；将一张图像作为输入传递给生成器网络；使用导入的网络权重对输入图像进行计算，网络输出输入图像中每个像素点对应的深度值信息。打破了主动深度感知硬件深度空洞和深度稀疏的瓶颈，并且保持了比较高的深度恢复精度，对场景重建、无人驾驶、增强现实等领域都有着重要的实用价值和意义。

主权项

1.一种基于对抗网络的单目深度估计系统实现方法，其特征在于包括训练阶段和测试阶段，所述训练阶段的具体步骤为：1)收集用于训练的RGB图像集I＝{I₁,I₂,...,I_n,I_n+1,...,I_n+m}和前n张图像对应的深度图像集合D＝{D₁,D₂,...,D_n}；2)根据设计的网络结构初始化生成器网络参数θ_G和两个判别器网络的参数θ_PD,θ_DD；3)设置训练的迭代次数，在每次迭代中：3.1从{I₁,I₂,...,I_n}和{D₁,D₂,...,D_n}中采样k个图像‑深度图图像对{(i,d)⁽¹⁾,...,(i,d)^(k)}组成一个用于训练的子集和；3.2从{I_n+1,...,I_n+m}中采样k张图像{i'⁽¹⁾,...,i'^(k)}组成一个用于训练的子集和；3.3用SGD更新图像‑深度图图像对判别器网络(PD)参数：3.4用SGD更新深度图判别器网络(DD)参数：3.5从{I_n+1,...,I_n+m}中采样k张图像{i”⁽¹⁾,...,i”^(k)}组成一个用于训练的子集和；3.6用SGD更生成器网络(G)参数：所述测试阶段的具体步骤为：1)导入训练好的生成器网络权重；2)将一张图像作为输入传递给生成器网络；3)使用步骤1)中导入的网络权重对输入图像进行计算，网络输出输入图像中每个像素点对应的深度值信息。