[发明专利]一种基于卷积神经网络的室内单目场景深度估计的方法

权利要求书

1.一种基于卷积神经网络的室内场景深度估计的方法，包括下列步骤：

第一步，构建带有标注和标签的图片数据库：挑选室内场景的图片，并对其进行标注，构建符合格式要求、匹配网络结构的数据集；

第二步，训练一个深度卷积神经网络：利用所得的数据集，利用全卷积通道注意力网络和全卷积残差网络的基本原理，设计一种网络结构，采用编码器解码器架构，将改进的注意力模块放入编码器中，将改进的上采样模块放入解码器中，从而得到最佳的精度；方法如下：

(1) 训练编码器时，编码器由卷积层和FCSE1，FCSE2，FCSE3和FCSE4四个块构成，结构设计为下采样卷积层1，由2个注意力模块叠加形成的FCSE1，下采样卷积层2，由3个注意力模块叠加形成的FCSE2，下采样卷积层3，由4个注意力模块叠加形成的FCSE3，下采样卷积层4，由1个注意力模块叠加形成的FCSE4；首先对注意力通道网络进行修改，修改后的四个FCSE块用来提取图像特征，用卷积层代替其中的全连接层，实现段对端的训练；卷积层中卷积核的尺寸是3×3、步长为1；

（2）训练解码器时，解码器主要由上采样模块构成，包含上采样模块1、上采样模块2、上采样模块3、上采样模块4，将编码器提取的特征信息映射成深度信息；上采样模块1有两个连续的卷积层用于残差计算，特征信道变为原来的一倍，上采样模块2以因数4进行上采样，有四个连续的卷积层用于残差计算，将特征图的长和宽增加4倍，特征信道变为原来的四分之一，上采样模块3、上采样模块4同理；

第三步，使用L₁损失函数对网络模型进行优化，采用L₁损失函数，训练网络的特征选择的能力而且网络更容易收敛，将编码器和解码器组合为一个端到端的卷积神经网络，从而构成一个深度估计模型；

第四步，图像深度估计。