【技术实现步骤摘要】
深度估计模型的训练方法、装置、电子设备及存储介质
[0001]本专利技术涉及计算机视觉
,具体涉及一种深度估计模型的训练方法
、
装置
、
电子设备及存储介质
。
技术介绍
[0002]目前单目深度估计的深度学习方法中
,
有一种是利用
SFM(Structure From Motion)
原理
,
通过给予模型不同时间
、
视角的图像
(
如目标帧和参考帧
)
,让模型推论目标帧的深度值并利用参考帧重建目标帧的图像,得到重建帧,误差较低的深度估计所重建出来的重建帧会较接近目标帧
。
[0003]但重建帧相似度在以下情境中无法精准表达深度的误差程度
:
弱纹理
(low texture)
图像即使深度误差很大也能够重建的很接近目标帧
,
让网络学到错误的目标深度估计
。
技术实现思路
[0004]鉴于以上内容,有必要提出一种深度估计模型的训练方法
、
装置
、
电子设备及存储介质,可以降低弱纹理图像对深度估计的影响
。
[0005]深度估计模型的训练方法包括获取第一图像和第二图像;将所述第一图像输入至深度估计模型,以基于所述深度估计模型的参数输出第一深度图像;将所述第一图像和所述第二图像输入至位姿估计模型,以提取所述第一图像和所述第二图像之间的
【技术保护点】
【技术特征摘要】
1.
一种深度估计模型的训练方法,应用于电子设备,其特征在于,所述方法包括:获取第一图像和第二图像;将所述第一图像输入至深度估计模型,以基于所述深度估计模型的参数输出第一深度图像;将所述第一图像和所述第二图像输入至位姿估计模型,以提取所述第一图像和所述第二图像之间的位姿转换关系,其中,所述第一图像与所述第二图像分别为不同视角的图像;根据所述第一深度图像
、
所述位姿转换关系和预先获取的相机参数,生成重建图像;计算重建图像和第一图像的相似度,得到二维损失图;提取出所述第一图像中弱纹理区域;根据所述二维损失图确定所述弱纹理区域像素点的第一相似度值;降低所述第一相似度值的比重,得到损失值;基于所述损失值,调节所述深度估计模型的所述参数
。2.
如权利要求1所述的深度估计模型的训练方法,其特征在于,所述方法还包括:提取出所述第一图像中非弱纹理区域;根据所述二维损失图确定所述非弱纹理区域像素点的第二相似度值;增加所述第二相似度值比重,得到所述损失值
。3.
如权利要求1所述的深度估计模型的训练方法,其特征在于,所述降低所述第一相似度值的比重,得到损失值包括:获取所述第一相似度值的缩小比例;基于所述缩小比例调整述第一相似度值的比重,得到损失值
。4.
如权利要求2所述的深度估计模型的训练方法,其特征在于,所述增加所述第二相似度值比重,得到所述损失值包括:获取所述第二相似度值的放大比例;基于所述放大比例调整述第二相似度值的比重,得到损失值
。5.
如权利要求1至4任一项所述的深度估计模型的训练方法,其特征在于,所述提取出所述第一图像中弱纹理区域包括:获取所述第一图像的颜色和亮度信息;根据所述颜色与亮度信息,将所述第一图像划分区域;计算获得所述第一图像对应的梯度信息;根据所述梯度信息从所述区域中选取出弱纹理区域,其中,所述弱纹理区域为梯度统计平均值在预设范围内的区域
...
【专利技术属性】
技术研发人员:郭锦斌,刘宗玮,
申请(专利权)人:鸿海精密工业股份有限公司,
类型:发明
国别省市:
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。