【技术实现步骤摘要】
训练深度估计模型的方法和设备以及存储介质
本公开内容涉及对深度估计模型的训练，并且特别地涉及基于特征一致性的单幅图像深度估计。
技术介绍
目前，从图像、特别是具有高分辨率的图像中进行场景或物体三维结构的复原，对于很多计算机应用具有重要的意义，例如，娱乐、增强现实、古迹保护、机器人等。基于图像进行三维建模的关键步骤是单幅图像的深度估计。当前的单幅图像深度估计方法利用机器学习方法，其利用估计的深度和真实的深度之间的L1或者L2的距离作为损失函数。
技术实现思路
在下文中给出了关于本公开内容的简要概述，以便提供关于本公开内容的某些方面的基本理解。应当理解，这个概述并不是关于本公开内容的穷举性概述。它并不是意图确定本公开内容的关键或重要部分，也不是意图限定本公开内容的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。根据本专利技术的一个方面，提供了一种训练深度估计模型的方法，包括以下步骤：通过所述深度估计模型获得样本图像的估计深度图；在基于所述样本图像、所述样本图像的...
【技术保护点】
1.一种训练深度估计模型的方法，包括以下步骤：/n通过所述深度估计模型获得样本图像的估计深度图；/n在基于所述样本图像、所述样本图像的真实深度图和投影参数而获得的所述样本图像的第一投影图中选择第一投影点，并且在基于所述样本图像、所述估计深度图和所述投影参数而获得的所述样本图像的第二投影图中选择第二投影点，其中，所述第一投影图与所述第二投影图具有相同的投影方向，并且其中，所述第一投影点在所述第一投影图中的位置与所述第二投影点在所述第二投影图中的位置相同；/n确定所述第一投影点在所述样本图像中的相对应的第一点和所述第二投影点在所述样本图像中的相对应的第二点；/n通过使包括第一损...
【技术特征摘要】
1.一种训练深度估计模型的方法，包括以下步骤：
通过所述深度估计模型获得样本图像的估计深度图；
在基于所述样本图像、所述样本图像的真实深度图和投影参数而获得的所述样本图像的第一投影图中选择第一投影点，并且在基于所述样本图像、所述估计深度图和所述投影参数而获得的所述样本图像的第二投影图中选择第二投影点，其中，所述第一投影图与所述第二投影图具有相同的投影方向，并且其中，所述第一投影点在所述第一投影图中的位置与所述第二投影点在所述第二投影图中的位置相同；
确定所述第一投影点在所述样本图像中的相对应的第一点和所述第二投影点在所述样本图像中的相对应的第二点；
通过使包括第一损失函数的总损失函数最小，来更新所述深度估计模型的参数，其中所述第一损失函数是关于所述第一点的特征值与所述第二点的特征值之间的距离；和
重复进行上述步骤，直到所述样本图像的通过所述深度估计模型获得的估计深度图不再变化为止。
2.如权利要求1所述的方法，其中，所述投影参数是随机的。
3.如权利要求1或2所述的方法，其中，所述总损失函数还包括第二损失函数，所述第二损失函数是所述样本图像的真实深度图与估计深度图之间的距离，并且其中，更新所述深度估计模型的参数包括使所述第一损失函数与所述第二损失函数之和最小。
4.如权利要求1或2所述的方法，其中，所述距离是绝对值距离或欧式距离。
5.如权利要求1或2所述的方法，其中，所述第一点的特征值和所述第二点的特征值分别对应于所述第一点和所述第二点处的灰度或RGB。
6.如权利要求1或2所述的方法，其中，所述第一点的特征值和所述第二点的特征值分别对应于在所述第一点和所述第二点的中心处的图像块的整体灰度或整体RGB。
7.如权利要求1或2所述的方法，其中，所述投影参数针对每个样本图像不同，或者针对每个样本图像相同。
8.如权利要求1或2所述的方法，其中，所述深度估计模型是卷积神经网络模型或线性回归模型。
9.一种深度估计模型训练设备，包括：
获得单元，其被配置成通过所述深度估计模型获得样本图像的估计深度图；
选择单元，其...
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。