[发明专利]具有自我提升能力的金字塔双目深度估计模型

权利要求书

1.一种具有自我提升能力的金字塔双目深度估计模型，其特征在于，包括以下步骤：

1)搭建空间金字塔模块；

2)进行代价整合；

3)多层回归输出；

4)计算损失函数。

2.根据权利要求1所述的一种具有自我提升能力的金字塔双目深度估计模型，其特征在于：步骤1)中搭建空间金字塔模块，具体为：

空间金字塔模块采用四种尺寸：8*8、16*16、32*32、64*64池化层，每个池化层后紧随卷积层和激活层；将所有特征都上采样为同一尺寸w/4*h/4，并将这些特征在通道的维度上融合在一起，融合后的特征作为下一层的输入；其中，w为输入图像的宽，h为输入图像的高。

3.根据权利要求2所述的一种具有自我提升能力的金字塔双目深度估计模型，其特征在于：步骤2)中进行代价整合，具体为：

将左右图像各生成的特征在每个视差值上进行滑动融合，得到特征数为w/4*h/4*d/4*的三维特征模块。

4.根据权利要求3所述的一种具有自我提升能力的金字塔双目深度估计模型，其特征在于：步骤3)中，

编码阶段进行步长为1、2、1的卷积操作，解码阶段进行2次步长为2的反卷积操作；每组编码解码模块的输出上采样为w*h*d，并进行归一化操作，并利用

将三维层转化为二维视差图作为每级输出D_p为预测的视差图像P_d为归一化之后的三维概率。

5.根据权利要求4所述的一种具有自我提升能力的金字塔双目深度估计模型，其特征在于：步骤4)中，计算损失函数包括两种情况：

4.1)有监督损失；

4.2)无监督损失。

6.根据权利要求5所述的一种具有自我提升能力的金字塔双目深度估计模型，其特征在于：步骤4.1)中，

有监督部分损失被定义为预测视差与实际测量视差的光滑绝对误差，具体如下：

其中：D_g实际测量视差，D_p模型预测视差，

7.根据权利要求6所述的一种具有自我提升能力的金字塔双目深度估计模型，其特征在于：步骤4.2)中，

无监督部分的损失：

其中和为结构相似损失，和为光滑绝对误差；

4.2.1)结构相似损失：

其中，

μ_x和μ_y为图像X和Y的均值，σ_x和σ_y为图像X和Y的方差，σ_xy表示X和Y的协方差，为输入左图像，为合成的右图像；

4.2.2)光滑绝对误差：

光滑绝对误差的计算方式同有监督损失部分。