[发明专利]基于非对称深度卷积神经网络的多视角深度预测方法有效
| 申请号： | 201910998790.X | 申请日： | 2019-10-18 |
| 公开（公告）号： | CN110728707B | 公开（公告）日： | 2022-02-25 |
| 发明（设计）人： | 裴炤;田龙伟;汶得强;张艳宁;马苗;汪西莉;陈昱莅;武杰;杨红红 | 申请（专利权）人： | 陕西师范大学 |
| 主分类号： | G06T7/557 | 分类号： | G06T7/557;G06V10/80;G06V10/82;G06N3/04 |
| 代理公司： | 北京前审知识产权代理有限公司 11760 | 代理人： | 陈姗姗;张静 |
| 地址： | 710062 陕西省*** | 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： | 本公开揭示了一种基于非对称深度卷积神经网络的多视角深度预测方法，包括：构建一种非对称深度卷积神经网络；结合参考图像，将相邻图像构造为平面扫描卷；在现有数据集上预先训练第一神经网络；使用第一神经网络的模型参数进一步初始化第二神经网络这一非对称深度卷积神经网络；最终通过第二神经网络完成多视角深度预测。本公开允许输入任意数量和任意分辨率的不同视角的图像，减少了繁琐的手工操作，也减少限制约束，从而实现了对多目图像所产生的不同视角图像的深度的高精度预测。 | ||
| 搜索关键词： | 基于 对称 深度 卷积 神经网络 视角 预测 方法 | ||
【主权项】：
1.一种基于非对称深度卷积神经网络的多视角深度预测方法，包括如下步骤：/nS100、定义第一图像序列，其中，所述第一图像序列具备如下特征：所述第一图像序列不限制其中的图像数量、所述图像序列中的各个图像的分辨率是否相同不受限制、所述图像序列中的图像至少包括针对某一确定场景的多张不同视角的图像；/nS200、任意选取所述第一图像序列中的一张图像作为所述确定场景中的参考图像；/nS300、计算出图像序列中其余图像与参考图像的重叠率，并选取重叠率最高的N张作为所有的相邻图像，N最小能够取1；然后，对于N张相邻图像中的每一张相邻图像，根据参考图像对相邻图像在每个视差级别
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陕西师范大学，未经陕西师范大学许可，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/201910998790.X/，转载请声明来源钻瓜专利网。
- 上一篇：基于深度学习的SAR图像精细配准方法
- 下一篇：基于机器视觉的牛体尺测量方法
