[发明专利]图像深度信息的获取方法、装置、介质及电子设备在审

专利信息
申请号: 202110237108.2 申请日: 2021-03-03
公开(公告)号: CN113706585A 公开(公告)日: 2021-11-26
发明(设计)人: 李思远;罗越;赵珣;李昱;单瀛 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06T7/269 分类号: G06T7/269;G06T7/579;G06K9/62
代理公司: 深圳市智圈知识产权代理事务所(普通合伙) 44351 代理人: 韩绍君
地址: 518064 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 深度 信息 获取 方法 装置 介质 电子设备
【权利要求书】:

1.一种图像深度信息的获取方法,其特征在于,包括:

根据待识别图像,获取所述待识别图像的图像特征;

将所述图像特征输入至预训练的图像深度估计模型中,所述预训练的图像深度估计模型通过包含有光流信息、图像特征以及真实深度信息的样本数据训练得到;

获取所述预训练的图像深度估计模型输出的所述待识别图像的深度信息。

2.根据权利要求1所述的方法,其特征在于,在所述将所述图像特征输入至预训练的图像深度估计模型中之前,所述方法还包括:

将内容相连续的第一训练样本和第二训练样本分别输入至学生模型中,得到所述学生模型输出的与所述第一训练样本对应的第一学生深度图像以及与所述第二训练样本对应的第二学生深度图像;

根据所述第一训练样本和所述第二训练样本,确定所述第一训练样本与所述第二训练样本之间的光流信息;

根据所述光流信息、所述第一学生深度图像以及所述第二学生深度图像,确定所述学生模型对应的时域损失信息;

根据预先确定的所述第一训练样本的深度图像以及所述第一学生深度图像,确定所述学生模型对应的深度损失信息;

根据所述时域损失信息以及所述深度损失信息,对所述学生模型进行调优处理,得到所述图像深度估计模型。

3.根据权利要求2所述的方法,其特征在于,所述根据所述光流信息、所述第一学生深度图像以及所述第二学生深度图像,确定所述学生模型对应的时域损失信息,包括:

根据所述光流信息,将所述第二学生深度图像中对应于内容的像素点的位置变形至所述第一训练样本中对应于相同内容的像素点的位置,得到变形后的所述第二学生深度图像;

根据所述第一学生深度图像以及变形后的所述第二学生深度图像,确定所述学生模型对应的时域损失信息。

4.根据权利要求3所述的方法,其特征在于,所述根据所述光流信息,将所述第二学生深度图像中对应于内容的像素点变形至所述第一训练样本中对应于相同内容的像素点的位置,得到变形后的所述第二学生深度图像,包括:

根据所述光流信息,将所述第二训练样本中对应于内容的像素点的位置变形至所述第一训练样本中对应于相同内容的像素点的位置,得到变形后的所述第二训练样本;

根据变形后的所述第二训练样本,对所述第二学生深度图像中的像素点的位置进行变形,得到变形后的所述第二学生深度图像,变形后的所述第二学生深度图像中的内容的位置与变形后的所述第二训练样本中相同内容的位置相匹配。

5.根据权利要求4所述的方法,其特征在于,所述根据所述第一学生深度图像以及变形后的所述第二学生深度图像,确定所述学生模型对应的时域损失信息,包括:

根据所述第一训练样本中像素点的像素值以及变形后的所述第二训练样本中对应像素点的像素值,确定所述第一训练样本与变形后的所述第二训练样本之间的稳定区域;

根据所述第一学生深度图像中所述稳定区域内的像素点的像素值,以及变形后的所述第二学生深度图像中所述稳定区域内对应像素点的像素值,确定所述学生模型对应的时域损失信息。

6.根据权利要求5所述的方法,其特征在于,所述根据所述第一训练样本中像素点的像素值以及变形后的所述第二训练样本中对应像素点的像素值,确定所述第一训练样本与变形后的所述第二训练样本之间的稳定区域,包括:

根据所述第一训练样本中像素点的像素值以及变形后的所述第二训练样本中对应像素点的像素值,确定二者之间的第一差值;

若所述第一差值小于或等于第一阈值,将所述第一差值对应的像素点识别为稳定区域。

7.根据权利要求5所述的方法,其特征在于,所述根据所述第一学生深度图像中所述稳定区域内的像素点的像素值,以及变形后的所述第二学生深度图像中所述稳定区域内对应像素点的像素值,确定所述学生模型对应的时域损失信息,包括:

根据所述第一学生深度图像中所述稳定区域内的像素点的像素值与变形后的所述第二学生深度图像中所述稳定区域内的对应像素点的像素值之间的第二差值,确定各所述第二差值的平均值;

根据所述平均值,确定所述学生模型对应的时域损失信息。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110237108.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top