龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：武汉工程大学
摘要：本发明提出了一种基于自适应像素聚类的语义离散单目深度估计方法，涉及图像处理技术领域；具体包括：S1、准备数据集训练模型；S2、构建基于自适应像素聚类的语义离散单目深度估网络；S3、构建深度估计编码器；S4、设计多尺度可变形特征细化模块，将深度估计编码器特征进一步细化；S5、设计语义离散解码器；S6、将NYU和KITTI数据集中的RGB图像与对应的深度图一起输入到基于自适应像素聚类的语义离散单目深度估网络进行训练，并通过尺度不变损失函数优化网络模型权重，得到单目深度估计模型并保存；S6、输入RGB图像，通过训练好的单目深度估计模型进行推理，返回预测的深度图。本发明既可以关注到物体内部深度的连续性也可以关注到物体间深度的离散性。
主权项：1.一种基于自适应像素聚类的语义离散单目深度估计方法，其特征在于，具体包括以下步骤：S1、准备数据集训练模型，数据集包括深度估计室内NYU数据集和室外KITTI数据集；S2、构建基于自适应像素聚类的语义离散单目深度估网络，包括深度估计编码器、多尺度可变形特征细化模块和语义离散解码器三个部分；S3、构建深度估计编码器，通过在ImageNet数据集上预训练的多尺度视觉Transformer作为深度估计编码器提取多尺度特征；S4、设计多尺度可变形特征细化模块，将深度估计编码器特征进一步细化；S5、设计语义离散解码器，语义离散解码器包括自适应像素聚类模块、可变形特征金字塔模块和跨语义对齐模块；S6、将NYU和KITTI数据集中的RGB图像与对应的深度图一起输入到基于自适应像素聚类的语义离散单目深度估网络进行训练，并通过尺度不变损失函数优化网络模型权重，得到单目深度估计模型并保存；S7、输入RGB图像，通过训练好的单目深度估计模型进行推理，返回预测的深度图。
全文数据：
权利要求：
百度查询： 武汉工程大学 一种基于自适应像素聚类的语义离散单目深度估计方法
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