龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：电子科技大学
申请日：2024-01-29
公开（公告）日：2024-06-11
公开（公告）号：CN118172638A
主分类号：G06V10/82
分类号：G06V10/82;G06F17/16;G06N3/0464;G06N3/045;G06N3/08;G06V10/40;G06V10/26
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.06.28#实质审查的生效;2024.06.11#公开
摘要：本发明涉及涉及计算图形学、计算机视觉技术领域，公开了一种单应矩阵的估计方法及系统，方法包括：步骤S1，采集不同重叠率的图像作为训练数据集；步骤S2，构建神经网络模型，包括重叠监测网络和单应矩阵估计网络；步骤S3，利用损失函数指导、优化神经网络模型，计算网络输出单应矩阵进行图像变换的结果和目标图像之间的损失值；步骤S4，训练神经网络模型，生成训练好的神经网络模型；步骤S5，使用重叠检测网络模将估计出的两幅图像的公共区域裁剪出来；步骤S6，使用深度单应矩阵估计网络实现由粗到细的单应矩阵估计。系统包括包括采集单元、模型构建单元、模型训练模块、单应矩阵估计模块。本申请还公开了一种电子设备及计算机可读存储介质。
主权项：1.一种单应矩阵的估计方法，其特征在于，包括以下步骤：步骤S1，采集不同重叠率的图像作为训练数据集；步骤S2，构建神经网络模型，所述神经网络模型包括从前到后依次连接的重叠监测网络和单应矩阵估计网络；步骤S3，利用重叠检测网络损失函数、单应矩阵估计损失函数和端到端网络训练的损失函数指导、优化所述神经网络模型，计算网络输出单应矩阵进行图像变换的结果和目标图像之间的损失值；步骤S4，使用所述训练数据集训练所述神经网络模型，将迭代次数、学习率预设完整，直到迭代次数等于最大迭代次数，中止训练，生成训练好的神经网络模型；步骤S5，采集两幅不同重叠率的图像输入进训练好的神经网络模型中，使用所述重叠检测网络模块识别两幅图像之间的重叠区域，将估计出的两幅图像的公共区域裁剪出来；步骤S6，使用所述深度单应矩阵估计网络实现由粗到细的单应矩阵估计。
全文数据：
权利要求：
百度查询： 电子科技大学 一种单应矩阵的估计方法及系统、设备、介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号