科创中国
一种轻量快速准确的自监督深度估计方法及系统
发布时间: 2023-09-08
基本信息
合作方式：
技术服务
成果类型：
发明专利
行业领域：
物理
成果介绍
本申请涉及计算机视觉及图像处理技术领域，具体而言，涉及一种轻量快速准确的自监督深度估计方法及系统，一定程度上可以解决从二维图像中恢复出场景的深度，需要复杂的深度估计网络模型的问题。方法包括：获取初始图像数据集；构建加权系数矩阵计算模块及稀疏编码模块；基于加权系数矩阵计算模块及稀疏编码模块，构建小型深度估计网络模型，以加快算法推理速度，降低模型的参数量；同时构建并以光度损失作为监督信号训练大型深度估计网络模型；再使用光度损失及函数近似损失作为监督信号，训练小型深度估计网络模型，以优化小型深度估计网络模型的深度估计精度；最后，将输入数据输入小型深度估计网络模型，得到估计结果。
成果亮点
一种轻量快速准确的自监督深度估计方法，其特征在于，包括：
获取初始图像数据集，并对所述初始图像数据集进行预处理，得到输入数据，所述初始图像数据集为单目图像序列构成的二维图像数据集；
构建加权系数矩阵计算模块，用于计算不同路径下的特征图对最终输出特征图的贡献程度，同时，根据所述贡献程度，将原始输入特征图与稀疏编码后的特征图进行像素级融合，进而构建出稀疏编码模块；
基于所述加权系数矩阵计算模块及所述稀疏编码模块，构建小型深度估计网络模型，并将所述输入数据输入所述小型深度估计网络模型，得到估计结果。
2.如权利要求1所述的轻量快速准确的自监督深度估计方法，其特征在于，所述获取初始图像数据集，并对所述初始图像数据集进行预处理，得到输入数据，还包括以下步骤：
对所述初始图像数据集进行随机翻转、随机裁剪及数据归一化处理，得到初步处理数据；
对所述初步处理数据进行转换，得到所述输入数据，所述输入数据为C×H×W的张量数据，所述输入数据省略了batch维度，其中，C表示样本的通道维度大小，H表示输入样本图像的高度，W表示输入样本图像的宽度。
团队介绍
中国科学院深圳先进技术研究院提升了粤港地区及我国先进制造业和现代服务业的自主创新能力，推动我国自主知识产权新工业的建立，成为国际一流的工业研究院。 深圳先进院目前已初步构建了以科研为主的集科研、教育、产业、资本为一体的微型协同创新生态系统，由九个研究平台，国科大深圳先进技术学院，多个特色产业育成基地、多支产业发展基金、多个具有独立法人资质的新型专业科研机构等组成。开展先进技术研究，促进科技发展。信息、电子、通讯技术研究新材料、新能源技术研究高性能计算、自动化、精密机械研究生物医学与医疗仪器研究相关学历教育、博士后培养与学术交流。
成果资料
下载app