【技术实现步骤摘要】
本申请涉及图像处理领域，特别是涉及一种双目立体匹配网络的训练方法、双目深度估计方法和装置。
技术介绍
1、双目立体匹配已经被证明在高度动态或杂乱的环境中能够预测更加可靠的视差。随着深度学习的发展，端到端的深度卷积神经网络成为双目深度估计领域最先进的方法，其能够回归双目图像对中匹配像素点的相对距离。受限于真实场景真值获取困难，有监督的双目深度模型多在合成数据集上训练，当暴露在与训练集显著不同的场景时，准确性会显著下降。
2、近年来的无监督立体匹配方法因其不需要视差地真值的优点，能够高效地将不同的现实场景加入训练，但目前无监督的双目立体匹配网络存在对图像的遮挡区域的视差估计学习能力不足，无法准确预测视差的问题。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够准确预测视差图的双目立体匹配网络的训练方法、双目深度估计方法和装置。
2、第一方面，本申请提供了一种双目立体匹配网络的训练方法。所述方法包括：
3、获取原始左图像和原始右图像，并依据裁剪参...
【技术保护点】
1.一种双目立体匹配网络的训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述依据所述左视差图和所述原始右图像，对所述目标左图像进行重建处理，得到重建左图像，依据所述右视差图和所述原始左图像，对所述目标右图像进行重建处理，得到重建右图像之前，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，所述基于所述目标左图像、所述重建左图像、所述目标右图像和所述重建右图像计算第一光度损失之前，所述方法还包括：
4.根据权利要求1所述的方法，其特征在于，所述重建左图像包括重建左特征图；所述重建右图像包括重...
【技术特征摘要】
1.一种双目立体匹配网络的训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述依据所述左视差图和所述原始右图像，对所述目标左图像进行重建处理，得到重建左图像，依据所述右视差图和所述原始左图像，对所述目标右图像进行重建处理，得到重建右图像之前，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，所述基于所述目标左图像、所述重建左图像、所述目标右图像和所述重建右图像计算第一光度损失之前，所述方法还包括：
4.根据权利要求1所述的方法，其特征在于，所述重建左图像包括重建左特征图；所述重建右图像包括重建右特征图；所述方法还包括：
5.根据权利要求4所述的方法，其特征在于，所述依据所述右视差图和所述左自编码特征图，对所述右自编码特征图进行重建处理，得到重建右特征图之后，...
【专利技术属性】
技术研发人员：奚凯麒，
申请(专利权)人：影石创新科技股份有限公司，
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。