一种融合连续性特征的单目深度估计方法，包括如下步骤：对原图进行预处理，使图像间存在隐性关系；同时输入三种图像，经过包含四个阶段以及四个尺度不同的并行子网的编码器与解码器，获得深度图输出。其损失函数包含最小光度误差损失、平滑损失、跨尺度一致性损失以及连续性损失。本发明在保持轻量化的基础上，通过结合尺度不变性与连续性特征，有效提高了深度测量的精度；并且由于其自监督的特性，对数据集的要求低，使得训练门槛低。
📄 2023103709409
📂 G06T7_55
👤 浙江工业大学
📅 2023-04-10
一种用于单目深度估计的细化蒸馏方法，包括以下步骤：步骤1)首先，通过有标注的高精度合成数据训练教师模型，教师模型经过充分训练，用于估计整个图像的深度信息；步骤2)利用已有的教师模型，采用教师模型输出的深度伪标签直接作为监督信号蒸馏学生模型；步骤3)使用局部上下文蒸馏和跨上下文蒸馏的方法，通过提升教师模型对无标注数据的利用，在蒸馏过程中补充和强化局部区域的深度估计，从而提升模型的深度估计细节和精度。本发明能够有效提升单目深度估计模型对无标注数据的利用，从而在零样本场景中，具有较强的泛化能力和更高的准确性，特别适合自动驾驶、机器人、增强现实等需要高精度，强泛化的深度模型的应用场景。
📄 2024118000809
📂 G06T7_50
👤 浙江工业大学
📅 2024-12-09
本发明公开了一种基于遮挡几何互补模型的光场相机深度估计方法。本发明利用光场光流理论得到光场图像多个视角的遮挡信息，再利用了相对的两个视角中，所看到遮挡区域具有互补关系的性质，通过求两个视角的遮挡信息，对两部分信息进行融合，从而实现精确的光场图像深度估计。本发明能够对具有丰富纹理变化的区域实现很好的遮挡结果，并且得到精确的深度图。
📄 2016112624522
📂 G06T7_55
👤 杭州电子科技大学
📅 2016-12-30
本发明公开了一种基于卷积神经网络的单目光场图像无监督深度估计方法。本发明先利用公开的大型光场图像数据集作为训练集，通过数据增强、数据扩充使训练集样本趋于平衡。构建改进的ResNet50网络模型，使用编码器和解码器分别提取模型的高级和低级的特征，再通过密集差结构将编码器和解码器的结果融合，同时另外构建了一个超分辨率遮挡检测网络，能够使用深度学习准确的预测出各个视角之间的遮挡问题；基于光场图像深度估计任务的目标函数是多损失函数，通过预先定义好的网络模型对预处理后的图像进行训练，最后在测试集上对网络模型进行泛化评估。本发明对复杂场景的光场图像预处理效果显著，实现了更精确光场图像无监督深度估计的效果。
📄 2019102763560
📂 G06K9_62
👤 浙江芯劢微电子股份有限公司
📅 2019-04-08
本发明公开了一种利用多任务互补提高深度估计准确性的方法。本发明方法使用SFM系统得到的稀疏的深度图像作为辅助输入，与RGB图像一同输入到卷积神经网络，作为辅助线索提高深度估计的准确性。将稀疏的深度图像和RGB图像当作有噪声的数据，通过去噪编码器对输入数据进行编码，提取其中的特征，将提取的四组特征串联后进行共享，解决了单独的RGB图像以基于卷积神经网络的方法进行深度估计时没有可靠且鲁棒的线索的问题；将编码后的特征通过解码器重建为精确的深度图，得到了更加精确的深度估计结果。
📄 2020103550403
📂 G06T7_593
👤 杭州电子科技大学
📅 2020-04-29
本发明公开一种路面凹坑自动检测和深度估计方法、设备及存储介质，涉及图像识别技术领域。所述方法包括：获取路面图像和路面激光点云；利用YOLOv5深度学习模型和DeepSORT目标跟踪器对所述路面图像中的凹坑区域进行检测和跟踪，以及利用SFM算法对所述路面凹坑区域图像进行重建，得到三维重建点云；对所述三维重建点云进行点云后处理，得到重建点云校准数据；将所述路面激光点云和所述重建点云校准数据的坐标系转换为像素坐标系，并基于网格搜索算法计算比例因子，确定路面凹坑尺度信息；所述比例因子为所述路面激光点云和所述重建点云校准数据之间的对应关系。本发明能够提高路面凹坑检测的准确性。
📄 2025101700470
📂 G06F17_00
👤 燕山大学
📅 2025-02-17
本发明公开了一种基于全局与局部特征的图像深度估计方法及装置，包括：1）数据预处理；2）提取输入图像中的全局特征与局部特征；3）融合全局特征与局部特征；4）解码预测。本发明方法引入了一种新的仅用于深度估计任务的数据增强方法，能够使得模型在编码阶段既可以提取彩色图像的全局特征，也可以提取局部特征，以及在解码阶段利用我们设计的融合模块结合不同特征的同时预估稠密的、高质量的深度图，并且在额外的数据集上表现出了更强的泛化性能。
📄 202210959545X
📂 G06T7_50
👤 南京信息工程大学
📅 2022-08-11
本发明提供一种基于单目深度估计的输电线路覆冰厚度预测方法及装置，包括：基于预先训练的覆冰厚度预测模型，对目标输电线路覆冰图像进行区域划分，得到包含目标区域的输电线路覆冰子图像；分别确定输电线路覆冰子图像对应的覆冰前单目深度图像和覆冰后单目深度图像；对覆冰前单目深度图像和覆冰后单目深度图像进行像素级减法处理，得到覆冰前后差异深度图；对覆冰前后差异深度图进行矩阵转换，得到覆冰差异矩阵；基于预设比例关系计算公式，对所述覆冰差异矩阵和真实线路参数进行计算，得到像素‑真实厚度比例关系；基于预设真实厚度定位算法和像素‑真实厚度比例关系，对待预测区域的输电线路进行覆冰厚度预测，得到覆冰厚度预测结果。
📄 2025106329330
📂 G06T7_50
👤 西安理工大学
📅 2025-05-16
本发明公开了一种基于丘脑皮层模型的麻醉深度估计方法，属于脑电计算模型领域，包括：定义一个六维向量来存放丘脑皮层模型的状态变量；通过构建观测方程来体现状态变量在某一时刻的观测值；定义一个增广向量，用于存放每次迭代时状态变量和参数变量的估计值；增广向量做非线性变换得到的数据代入丘脑皮层模型中；将经过丘脑皮层模型运算输出的数据代入观测方程中计算每个列向量对应的模型输出，对每个输出值进行加权求和得到模型的预测值；模型的预测值中包含的参数变量Tcs被定义为丘脑皮质状态；使用Tcs评估麻醉深度。本发明能够对麻醉期间的大脑状态进行生理学上更具体的分析，解决了传统麻醉深度监测方法对不同麻醉药物无法监测的问题。
📄 2022105643350
📂 G06F17_16
👤 燕山大学
📅 2022-05-23
本发明提供一种基于自适应多尺度窗口的多视图深度估计方法及应用，所述方法包括：在图像集合中确定参考图像和匹配图像；计算参考图像的各个目标像素在参考窗口下的纹理系数，并将纹理系数与第二阈值进行比较；计算参考图像中的目标像素在匹配图像中的对应像素，计算第一匹配窗口和第二匹配窗口之间的第一匹配代价：根据第一匹配代价对参考图像的各个目标像素进行邻域优化，以获取各个目标像素的最优深度值；对各个目标像素的最优深度值进行随机优化，以获取各个目标像素的最终深度值；将参考图像的各个目标像素的参考窗口的尺度缩小，以对各个目标像素的最终深度值进行窗口优化。本发明的一个技术效果在于，实现了对场景深度的高效、准确的估计。
📄 2024100553361
📂 G06T7_55
👤 常熟理工学院
📅 2024-01-15
本发明公开了一种基于深度学习和傅里叶域分析的图像深度估计方法，其包括，读取数据集里的图像对，将图像对输入提出的网络架构中获取重建视图；将图像对和重建视图带入损失函数，训练并确认网络架构，得到最初视差图；带入以裁剪比λ裁剪的图像对至确认的网络架构，获取视差映射候选对象；以及，融合视差映射候选对象，估计深度并显示于显示设备上；其中，所述图像对区分为左视图和右视图，所述重建视图区分为重建左视图和重建右视图；本发明基于深度学习的网络架构和傅里叶域分析无监督单目图像估计深度学习算法，有效提高了深度图精度和运动图像深度估计的精度，改进的网络架构，提升算法准确度和鲁棒性。
📄 2019113925075
📂 G06T7_55
👤 江南大学
📅 2019-12-30
本发明公开了图像处理领域的一种单目图像深度估计方法和存储介质，方法包括：获取待估计的单目图像并预处理；将图像输入预先训练的初步深度估计网络和迭代优化网络，获得最终的单目图像深度估计结果；初步深度估计网络包括编码器、解码器和回归头，解码器包含解码层，解码层采用三元组交叉注意力TCA模块，TCA模块对图像的处理包括：WCA模块计算注意力，输出窗口注意力特征；CDA模块计算注意力，输出跨维度注意力特征；REA模块计算注意力，输出相关性注意力特征；FBSF模块融合WCA、CDA和REA模块的输出结果，生成本解码层的输出特征。能够兼顾局部、全局信息和信息间的相关性得到更准确的单目图像深度估计结果。
📄 2024112103676
📂 G06F30_27
👤 南京信息工程大学
📅 2024-08-30
柿子坊 · 知识产权运营
柿子坊知识产权运营平台