买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：同济大学

摘要：本发明涉及一种嵌入SENet单元的无监督单目图像深度图生成方法，具体为：构建深度估计网络，将目标图像输入训练好的深度估计网络获得目标图像深度图；所述的训练过程采用相机位姿估计网络；所述的深度估计网络包括编码器和解码器，所述的编码器包括7层编码卷积模块，所述的解码器包括7层解码卷积模块和7层跳跃连接的跳跃卷积模块，第1层跳跃卷积模块包括依次连接的卷积层、ReLU激活层、卷积层和ReLU激活层，第2～7层跳跃卷积模块中每块跳跃卷积模块包括残差卷积单元和SENet单元。与现有技术相比，本发明具有精度高等优点。

主权项：1.一种嵌入SENet单元的无监督单目图像深度图生成方法，具体为：构建深度估计网络，将目标图像输入训练好的深度估计网络获得目标图像深度图；所述的训练过程采用相机位姿估计步骤；其特征在于，所述的深度估计网络包括编码器和解码器，所述的编码器包括7层编码卷积模块，所述的解码器包括交叉设置的7层解码卷积模块和7层与编码卷积模块跳跃连接的跳跃卷积模块，第1层跳跃卷积模块包括依次连接的卷积层、ReLU激活层、卷积层和ReLU激活层，第2～7层跳跃卷积模块中每层跳跃卷积模块包括残差卷积单元和SENet单元，所述的残差卷积单元的输出作为SENet单元的输入，所述的残差卷积单元的输入和输出以及SENet单元的输出相加作为第2～7层跳跃卷积模块中每块跳跃卷积模块的输出；所述的相机位姿估计步骤具体为：采集包括若干视频帧集的训练集，构建相机位姿估计网络，将每个视频帧集中参考帧Ia及Ia的相邻帧Ib输入相机位姿估计网络获得相机六自由度位姿变换关系Pab，将Ia和Ib输入深度估计网络对应获得参考帧深度图Da和相邻帧深度图Db，所述的Ia根据Pab通过形变获得合成帧I'α，所述的Da根据Pab通过形变获得合成深度图所述的Da根据Pab通过投影和双线性插值生成相邻帧深度图D'b，根据Ia、Ib、I′α、和D'b构建损失函数，利用损失函数训练深度估计网络；所述的损失函数L包括光度损失Lp、平滑损失Ls和几何一致性损失Lgc，计算公式为：L＝Lp+αLs+βLgc其中α、β是Ls在L中所占有的权重；所述的Lp的计算公式为： 其中，V为从Ia成功投影到Ib的点集，p属于集合V，|V|为V的数量，λs为图像重投影相似权重，λi为图像结构相似性权重，Iαp为参考帧Iα上的点，I'αp为根据Pab通过形变获得合成帧I'α上的点，SSIMαα'p为Ia和I'α的图像相似性损失；所述的Ls的计算公式为： 其中，为沿空间方向的一阶导数；所述的Lgc的计算公式为： 其中，Ddiffp为深度不一致值，计算公式为： 其中，为Da根据Pab通过形变获得Dba上的点，D'bp为Da根据Pab通过投影和双线性插值生成D'b上的点。

全文数据：

权利要求：

百度查询： 同济大学 嵌入SENet单元的无监督单目图像深度图生成方法