【技术实现步骤摘要】
一种单目深度估计方法、装置、终端和存储介质
本专利技术实施例涉及计算机视觉技术,尤其涉及一种单目深度估计方法、装置、终端和存储介质。
技术介绍
在计算机视觉研究领域中,越来越多的人们研究单目深度估计方法,即通过一张利用普通相机(如RGB相机)获取的彩色图像预测出图像中各位置与相机之间的距离,即深度信息。随着深度学习技术的不断进步,越来越多的人们使用基于卷积神经网络的方法来进行单目深度估计。通过单目深度估计网络,根据一张单目图像便可以直接得到对应的深度图像,无需使用体积较大的传感器等设备,扩大了应用范围。现有的单目深度估计网络往往是利用常规的误差函数进行训练得到,比如均方误差函数、绝对值误差函数、Huber误差函数等。然而,基于现有的误差函数训练得到的深度估计网络,在进行单目深度估计时往往会遇到图像模糊的问题,也就是输出的深度图在深度变化较大的分界区域上趋向于平滑和模糊,如图1所示。图1中利用现有单目深度估计网络输出的深度图中的边缘(黑白相交的区域)过于模糊和平滑,使其与实际深度图的偏差较大,从而导致现有的深度估计网络预侧的深度图的精度较低。
技术实现思路
本专利技术实施例提供了一种单目深度估计方法、装置、终端和存储介质,以解决现有的单目深度估计网络预测的深度图在深度分界边缘处趋向于平滑和模糊的问题,提高了深度图的预测精度。第一方面,本专利技术实施例提供了一种单目深度估计方法,包括:获取待深度估计的单目图像;将所述单目图像作为目标生成对抗网络中的目标深度生成模型的输入,并根据所述目标深度生成模型的输出确定所述单目图像对应的目标深度图,其中,所述目标深度生成模型根 ...
【技术保护点】
1.一种单目深度估计方法,其特征在于,包括:获取待深度估计的单目图像;将所述单目图像作为目标生成对抗网络中的目标深度生成模型的输入,并根据所述目标深度生成模型的输出确定所述单目图像对应的目标深度图,其中,所述目标深度生成模型根据所述目标生成对抗网络中的深度判别模型训练得到。
【技术特征摘要】
1.一种单目深度估计方法,其特征在于,包括:获取待深度估计的单目图像;将所述单目图像作为目标生成对抗网络中的目标深度生成模型的输入,并根据所述目标深度生成模型的输出确定所述单目图像对应的目标深度图,其中,所述目标深度生成模型根据所述目标生成对抗网络中的深度判别模型训练得到。2.根据权利要求1所述的方法,其特征在于,所述目标深度生成模型根据所述目标生成对抗网络中的深度判别模型训练得到,包括:获取多个图像样本以及各所述图像样本对应的实际深度图;创建第一生成对抗网络,其中所述第一生成对抗网络包括第一深度生成模型和第一深度判别模型;基于所述第一深度生成模型对应的生成误差函数和所述第一深度判别模型对应的判别误差函数,根据各所述图像样本以及对应的各所述实际深度图,对所述第一深度生成模型和所述第一深度判别模型进行轮流训练;当所述生成误差函数收敛时,所述第一深度生成模型训练完成,并将训练完成的第一深度生成模型确定为所述目标深度生成模型。3.根据权利要求2所述的方法,其特征在于,基于所述第一深度生成模型对应的生成误差函数和所述第一深度判别模型对应的判别误差函数,根据各所述图像样本以及对应的各所述实际深度图,对所述第一深度生成模型和所述第一深度判别模型进行轮流训练,包括:于每次训练所述第一深度生成模型时,固定所述第一深度判别模型中的判别参数,根据第一预设数量的图像样本、与所述图像样本对应的实际深度图、以及所述第一深度生成模型对应的生成误差函数训练所述第一深度生成模型;于每次训练所述第一深度判别模型时,将第二预设数量的各图像样本作为所述第一深度生成模型的输入,根据所述第一深度生成模型的输出确定各所述图像样本对应的生成深度图,并根据所述第二预设数量的各图像样本对应的生成深度图、与所述图像样本对应的实际深度图、以及所述第一深度判别模型对应的判别误差函数训练所述第一深度判别模型。4.根据权利要求3所述的方法,其特征在于,根据第一预设数量的图像样本、与所述图像样本对应的实际深度图、以及所述第一深度生成模型对应的生成误差函数训练所述第一深度生成模型,包括:根据所述第一深度判别模型、第一预设数量的图像样本、与所述图像样本对应的实际深度图,确定各所述图像样本对应的生成深度图、生成判别值以及实际判别值;根据各所述图像样本对应的实际深度图、生成深度图、生成判别值、实际判别值、所述第一深度生成模型对应的生成误差函数,计算各样本生成误差;根据所述各样本生成误差和所述第一预设数量确定平均生成误差,并根据所述平均生成误差通过预设最优化算法更新所述第一深度生成模型。5.根据权利要求4所述的方法,其特征在于,根据所述第一深度判别模型、第一预设数量的图像样本、与所述图像样本对应的实际深度图,确定各所述图像样本对应的生成深度图、生成判别值以及实际判别值,包括:将第一预设数量的图像样本中的各图像样本逐个确定为目标图像样本;将所述目标图像样本作为所述第一深度生成模型的输入,根据所述第一深度生成模型的输出确定所述目标图像样本对应的生成深度图;将所述目标图像样本与所述目标图像样本对应的生成深度图确定为生成图像对,将所述目标图像样本与所述目标图像样本对应的实际深度图确定为实际图像对;将所述生成图像对作为所述第一深度判别模型的输入,根据所述第一深度判别模型的输出确定所述目标图像样本对应的生成判别值;将所述实际图像对作为所述第一深度判别模型的输入,根据所述第一深度判别模型的输出确定所述目标图像样本对应的实际判别值。6.根据权利要求3所述的方法,其特征在于,根据所述第二预设数量的各图像样本对应的生成深度图、与所述图像样本对应的实际深度图、以及所述第一深...
【专利技术属性】
技术研发人员:不公告发明人,
申请(专利权)人:亮风台上海信息科技有限公司,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。