【技术实现步骤摘要】
本公开大体来说涉及模型选择，且更具体来说，涉及用于单目深度估测的自动模型选择，尤其涉及一种实行单目深度估测的方法、系统及计算机可读介质。
技术介绍
1、深度神经网络的学习能力可与参数的数目及参数的相对精度呈正相关。因此，对于一般的或非特定的输入数据集，大型深度神经网络(large deep neural network)(例如，参数数量大于阈值数量的深度神经网络)可实现高的准确度(accuracy)。然而，大型深度神经网络可能伴随许多缺点。举例来说，大型深度神经网络可能占用大量内存，消耗大量的处理资源，花费时间处理数据集(对于实时操作来说这可成为问题)，使用大量的训练数据集来将大型深度神经网络训练到必要的准确度，花费长时间进行训练，等等。因此，尽管大型深度神经网络可被训练到对于某些数据集来说可接受的准确度，大型深度神经网络在许多情况下可能并不适用。
技术实现思路
1、本文中阐述用于单目深度估测的模型选择的方法。所述方法可包括：接收多个图像；从所述多个图像选择一个或多个图像；使用第一机器学习...
【技术保护点】
1.一种实行单目深度估测的方法，包括：
2.根据权利要求1所述的计算机实施的方法，其中从所述多个机器学习模型选择所述第二机器学习模型包括：
3.根据权利要求1所述的计算机实施的方法，其中选择所述第二机器学习模型包括：
4.根据权利要求1所述的计算机实施的方法，其中所述第二机器学习模型被配置成为所述多个图像中的图像产生深度估测图。
5.根据权利要求1所述的计算机实施的方法，其中所述第二机器学习模型被配置成对所述多个图像中的图像执行语义分割。
6.根据权利要求1所述的计算机实施的方法，其中所述第二机器学习模型被配...
【技术特征摘要】
1.一种实行单目深度估测的方法，包括：
2.根据权利要求1所述的计算机实施的方法，其中从所述多个机器学习模型选择所述第二机器学习模型包括：
3.根据权利要求1所述的计算机实施的方法，其中选择所述第二机器学习模型包括：
4.根据权利要求1所述的计算机实施的方法，其中所述第二机器学习模型被配置成为所述多个图像中的图像产生深度估测图。
5.根据权利要求1所述的计算机实施的方法，其中所述第二机器学习模型被配置成对所述多个图像中的图像执行语义分割。
6.根据权利要求1...
【专利技术属性】
技术研发人员：林恺翔，周宏春，蔡东展，王杰生，林士豪，徐文正，
申请(专利权)人：宏碁股份有限公司，
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。