[发明专利]一种基于卷积神经网络的自适应场景双目立体匹配方法在审
| 申请号： | 201910843256.1 | 申请日： | 2019-09-06 |
| 公开（公告）号： | CN110706270A | 公开（公告）日： | 2020-01-17 |
| 发明（设计）人： | 郭佳奇;常嘉义;李庆;梁艳菊 | 申请（专利权）人： | 中科院微电子研究所昆山分所 |
| 主分类号： | G06T7/593 | 分类号： | G06T7/593 |
| 代理公司： | 11619 北京辰权知识产权代理有限公司 | 代理人： | 刘广达 |
| 地址： | 215347 江苏省苏州市昆*** | 国省代码： | 江苏;32 |
| 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自适应场景双目立体匹配方法，包括：判断是否有已训练好的网络模型，如果已有训练好的网络模型，则直接加载网络模型参数，同时将检测出的目标车辆图像坐标作为所述网络模型的输入，然后通过前向传播算法预测距离数据；如果没有训练好的网络模型，则加载包含目标车辆图像坐标的训练样本，然后通过深度神经网络模型对样本进行训练，以计算网络模型参数并存储。本发明利用神经网络对图像分类的准确性，在不同场景下，自动适应当前环境，以学习得到更精确的亮度属性和纹理属性。通过学习得到的属性值作为特征融合的权重值，既可达到自动适应不同场景的目的，又能保证利用这些学习的到的属性值获取更准确的深度图。 | ||
| 搜索关键词： | 网络模型 目标车辆 图像坐标 场景 加载 卷积神经网络 神经网络模型 计算网络 距离数据 立体匹配 亮度属性 模型参数 前向传播 神经网络 算法预测 特征融合 图像分类 纹理属性 训练样本 深度图 自适应 权重 学习 双目 样本 存储 检测 保证 | ||
【主权项】：
1.一种基于卷积神经网络的自适应场景双目立体匹配方法，其特征在于，包括：/n判断是否有已训练好的深度神经网络模型，如果已有训练好的深度神经网络模型，则直接加载网络模型参数，同时将检测出的目标车辆图像坐标作为所述深度神经网络模型的输入，然后通过前向传播算法预测距离数据；/n如果没有训练好的深度神经网络模型，则加载包含目标车辆图像坐标的训练样本，然后通过深度神经网络模型对样本进行训练，以计算网络模型参数并存储。/n
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科院微电子研究所昆山分所，未经中科院微电子研究所昆山分所许可，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/201910843256.1/，转载请声明来源钻瓜专利网。
