基于多尺度特征的深度图获取方法、电子设备、存储介质技术

本发明专利技术提供了一种基于多尺度特征的深度图获取方法、设备、存储介质，该方法包括：获取输入图像，根据所述输入图像得到多尺度特征块；根据所述多尺度特征块得到池化特征图，并根据所述池化特征图得到通道注意力块，所述通道注意力块表征多个特征之间的联系；根据所述多尺度特征块得到原始融合特征图，并根据所述原始融合特征图和所述通道注意力块得到目标融合特征图；对所述目标融合特征图与原始特效图进行拼接并进行解码操作，以得到目标深度图。根据本发明专利技术实施例提供的方案，能够通过通道注意力块增强多尺度特征之间的联系，使得多尺度的特征更能表达物体信息，有效提高了目标深度图的物体信息的清晰度。

【技术实现步骤摘要】
基于多尺度特征的深度图获取方法、电子设备、存储介质
本专利技术涉及但不限于图像处理领域，尤其涉及基于多尺度特征的深度图获取方法、设备、存储介质。
技术介绍
随着图像处理技术的发展，深度图的应用越来越广泛。深度图能够基于终端拍摄到的图像进行处理得到，为了提高深度图的清晰度和物体结构的准确度，通常需要多个角度的输入图像。但是多角度的输入图像要求终端配备多个摄像头，硬件的成本较大。而对于单目摄像头而言，虽然有一些深度学习的算法能够基于单目摄像头的输入图像得到深度图，但是由于只有一个摄像头，所得到的输入图像的角度有限，常规的图像处理方法通常会丢失大量的物体信息，导致深度图较为模糊，物体结构不清晰。
技术实现思路
以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。本专利技术实施例提供了一种基于多尺度特征的深度图获取方法、设备、存储介质，能够提高深度图的物体信息的清晰度。第一方面，本专利技术实施例提供了一种基于多尺度特征的深度图获取方法，包括：获取输入图像，根据所述输入图像得到多尺度特征块本文档来自技高网...

【技术保护点】
1.一种基于多尺度特征的深度图获取方法，其特征在于，包括：/n获取输入图像，根据所述输入图像得到多尺度特征块；/n根据所述多尺度特征块得到池化特征图，并根据所述池化特征图得到通道注意力块，所述通道注意力块表征多个特征之间的联系；/n根据所述多尺度特征块得到原始融合特征图，并根据所述原始融合特征图和所述通道注意力块得到目标融合特征图；/n对所述目标融合特征图进行解码操作，以得到目标深度图。/n

【技术特征摘要】
1.一种基于多尺度特征的深度图获取方法，其特征在于，包括：
获取输入图像，根据所述输入图像得到多尺度特征块；
根据所述多尺度特征块得到池化特征图，并根据所述池化特征图得到通道注意力块，所述通道注意力块表征多个特征之间的联系；
根据所述多尺度特征块得到原始融合特征图，并根据所述原始融合特征图和所述通道注意力块得到目标融合特征图；
对所述目标融合特征图进行解码操作，以得到目标深度图。


2.根据权利要求1所述的方法，其特征在于，所述根据所述输入图像得到多尺度特征块，包括：
根据所述输入图像得到初始特征；
获取预先设定的多尺度特征融合网络，通过所述多尺度特征融合网络对所述初始特征进行特征聚合，得到不同尺度的多个聚合特征；
将多个所述聚合特征拼接以得到所述多尺度特征块。


3.根据权利要求2所述的方法，其特征在于，在将多个所述聚合特征拼接以得到所述多尺度特征块之前，所述方法还包括：
将多个所述聚合特征压缩至相同的通道数。


4.根据权利要求1所述的方法，其特征在于，所述根据所述多尺度特征块得到池化特征图，并根据所述池化特征图得到通道注意力块，包括：
对所述多尺度特征块进行全局池化，以得到池化特征图；
对所述池化特征图依次执行压缩操作和激活操作，以得到所述通道注意力块。


5.根据权利要求1所述的方法，其特征在于，在所述并根据所述原始融合特征图和所述通道注意力块得到目标融合特征图...

【专利技术属性】
技术研发人员：常青玲，崔岩，杨鑫，任飞，戴成林，胡昊，李敏华，
申请(专利权)人：五邑大学，
类型：发明
国别省市：广东;44