[发明专利]基于2D-3D注意机制神经网络模型的三维重建方法

权利要求书

1.一种基于2D-3D注意机制神经网络模型的三维重建方法，其特征在于，该三维重建方法包括：

步骤S10，获取物体不同视角的二维图像集作为输入图像集；

步骤S20，基于所述输入图像集，通过训练好的三维重建模型，获取物体三维模型；

其中，所述三维重建模型基于自编码器2D-3D注意机制神经网络构建，其训练方法为：

步骤B10，初始化所述三维重建模型的参数；

步骤B20，将输入的训练图像在初始化后的三维重建模型中进行前馈传导并计算输入的训练图像投影的训练损失值；

步骤B30，采用误差反向传播的方法，获取所述三维重建模型中各层参数的变化值并进行相应层的参数更新；

步骤B40，重复执行步骤B20、步骤B30直至所述训练损失值低于预设阈值或训练次数达到预设值，获得训练好的三维重建模型。

2.根据权利要求1所述的基于2D-3D注意机制神经网络模型的三维重建方法，其特征在于，所述三维重建模型包括：特征提取网络、三维模型生成解码网络、注意机制网络。

3.根据权利要求2所述的基于2D-3D注意机制神经网络模型的三维重建方法，其特征在于，所述特征提取网络为残差网络。

4.根据权利要求2所述的基于2D-3D注意机制神经网络模型的三维重建方法，其特征在于，所述三维模型生成解码网络为卷积循环神经网络。

5.根据权利要求2所述的基于2D-3D注意机制神经网络模型的三维重建方法，其特征在于，所述注意机制网络为长短期记忆网络。

6.根据权利要求1所述的基于2D-3D注意机制神经网络模型的三维重建方法，其特征在于，步骤B20中“计算输入的训练图像投影的训练损失值”，其方法为：

步骤B21，将输入的训练图像在初始化后的三维重建模型中进行前馈传导，并利用max函数求出三维模型投影，将投影与输入的训练图像真实值比较，获得训练误差；

步骤B22，基于所述训练误差、当前三维重建模型的参数值以及所述输入的训练图像，获取输入训练图像投影的训练损失值。

7.根据权利要求1-6任一项所述的基于2D-3D注意机制神经网络模型的三维重建方法，其特征在于，所述三维重建模型训练完成后还设置有模型测试评估的步骤，其方法为：

步骤C10，基于输入的测试图像，采用训练好的三维重建模型获取三维重建立体测试模型；

步骤C20，将所述三维重建立体测试模型与测试图像的真实值对比计算IoU评估值，并获取同一种类的物体的loss值、IoU值的平均值与方差；

步骤C30，判断所述IoU评估值、同一种类的物体的loss值、IoU值的平均值与方差是否符合设定条件，如果是则模型训练达到要求。

8.一种存储装置，其中存储有多条程序，其特征在于，所述程序适于由处理器加载并执行以实现权利要求1-7任一项所述的基于2D-3D注意机制神经网络模型的三维重建方法。

9.一种处理装置，包括

处理器，适于执行各条程序；以及

存储装置，适于存储多条程序；

其特征在于，所述程序适于由处理器加载并执行以实现：

权利要求1-7任一项所述的基于2D-3D注意机制神经网络模型的三维重建方法。