[发明专利]一种训练用于估计图像视差图的神经网络模型方法、装置及介质

权利要求书

1.一种训练用于估计图像视差图的神经网络模型方法，所述方法包括：

将双目相机采集的左图像输入到神经网络模型中获得左视差图、右视差图；

基于双目相机采集的右图像和所述左视差图确定估计的左图像；

基于所述左图像和所述右视差图确定估计的右图像；

根据所述估计的左图像、所述左图像、所述估计的右图像、所述右图像获得第一损失函数；

基于所述第一损失函数，训练所述神经网络模型。

2.如权利要求1所述的方法，其中，所述方法还包括：

根据所述左视差图确定第一视差值；

根据左图像的标注的深度真值确定第二视差值；

根据第一视差值和第二视差值确定第二损失函数；

所述基于所述第一损失函数，训练所述神经网络模型，包括：

基于所述第一损失函数和第二损失函数，训练所述神经网络模型。

3.如权利要求1所述的方法，其中，所述第一损失函数包括图像重建损失、视差平滑项、左右相容性检测项其中任意一项或多项的组合。

4.如权利要求2所述的方法，其中，所述根据第一视差值和第二视差值确定第二损失函数包括：

计算所述第一视差值与所述第二视差值的范数；

基于所述范数确定所述第二损失函数。

5.如权利要求1所述的方法，其中，基于所述右图像和所述左视差图确定估计的左图像、基于所述左图像和所述右视差图确定估计的右图像包括：

将所述右图像和所述左视差图通过双线性插值法确定所述估计的左图像、将所述左图像和所述右视差图通过双线性插值法确定所述估计的右图像。

6.如权利要求2所述的方法，其中，基于所述第一损失函数和第二损失函数，训练所述神经网络模型包括：

调整所述神经网络模型的参数，使得所述第一损失函数和第二损失函数之和最小。

7.一种图像的深度信息的估计方法，所述方法包括：

将双目相机采集的左图像输入至如权利要求1-6训练得到的神经网络模型中获得左视差图；

获得所述双目相机的参数信息；

根据所述参数信息和所述左视差图估计所述左图像的深度信息。

8.一种训练用于估计图像视差图的神经网络模型装置，所述装置包括：

左视差图、右视差图获得模块，用于将双目相机采集的左图像输入神经网络模型中获得左视差图、右视差图；

估计的左图像确定模块，用于基于双目相机采集的右图像和所述左视差图确定估计的左图像；

估计的右图像确定模块，用于基于所述左图像和所述右视差图确定估计的右图像；

第一损失函数获得模块，用于根据所述估计的左图像、所述左图像、所述估计的右图像、所述右图像获得第一损失函数；

第一神经网络模型训练模块，用于基于所述第一损失函数，训练所述神经网络模型。

9.一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1-6任一所述的一种训练用于估计图像视差图的神经网络模型方法。

10.一种电子设备，所述电子设备包括：

处理器；

用于存储所述处理器可执行指令的存储器；

所述处理器，用于执行上述权利要求1-6任一所述的一种训练用于估计图像视差图的神经网络模型方法。