[发明专利]深度预测网络训练方法、装置、服务器和可读存储介质

说明书

本发明实施例涉及神经网络领域，公开了一种深度预测网络训练方法、装置、服务器和可读存储介质。本发明中，获取样本图像和所述样本图像对应的标签深度图像，所述标签深度图像标注前景区域；将所述样本图像输入预设的深度预测网络，对所述样本图像的前景区域进行深度图预测，生成预测深度图；根据预设的损失函数，结合所述标签深度图像和所述预测深度图对所述深度预测网络进行训练直至收敛，以获得训练完成的深度预测网络。使得提高预测深度图的精确性。

技术领域

本发明实施例涉及神经网络领域，特别涉及深度预测网络训练方法、装置、服务器和可读存储介质。

背景技术

随着机器学习的迅速发展，机器模仿人类从图像中一定程度上估计物体距离远近已成为可能，即机器能在一定程度上对单张图像进行深度预测并获得深度图。深度图在三维重建、机器人导航等领域应用较广；同时，深度图由于提供了物体远近的信息，有助于检测、分割等计算机视觉领域。

传统的深度图预测网络的预测方法，会对待预测图像中的全部内容进行深度预测，但在许多种类的待预测图像中会存在有非重点区域，如在人脸图像中的背景区域为非重点区域。如果对待预测图像中的全部内容进行预测，会存在过多噪声影响预测结果的精确性。

发明内容

本发明实施方式的目的在于提供一种深度预测网络训练方法、装置、服务器和可读存储介质，使得提高预测深度图的精确性。

为解决上述技术问题，本发明的实施方式提供了一种深度预测网络的训练方法，包括以下步骤：

获取样本图像和所述样本图像对应的标签深度图像，所述标签深度图像标注前景区域；

将所述样本图像输入预设的深度预测网络，对所述样本图像的前景区域进行深度图预测，生成预测深度图；

根据预设的损失函数，结合所述标签深度图像和所述预测深度图对所述深度预测网络进行训练直至收敛，以获得训练完成的深度预测网络。

本发明的实施方式还提供了一种深度预测网络的训练装置，包括：

样本获取模块，用于获取样本图像和所述样本图像对应的标签深度图像，所述标签深度图像标注前景区域；

网络预测模块，用于将所述样本图像输入预设的深度预测网络，对所述样本图像的前景区域进行深度图预测，生成预测深度图；

网络训练模块，用于根据预设的损失函数，结合所述标签深度图像和所述预测深度图对所述深度预测网络进行训练直至收敛，以获得训练完成的深度预测网络。

本发明的实施方式还提供了一种服务器，包括：至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行任一所述的深度预测网络的训练方法。

本发明的实施方式还提供了一种计算机可读存储介质，所述计算机程序被处理器执行时实现任一项所述的深度预测网络的训练方法。

本发明实施方式提供的深度预测网络训练方法、装置、服务器和可读存储介质，在对图像进行深度预测时，只对图像的前景区域进行深度预测，训练深度预测网络时也只对前景区域进行训练，即有针对性地训练网络，忽略在深度图中较为无效的背景区域，使得深度预测网络生成的深度预测图仅对前景区域进行预测，使预测更具有针对性；同时，由于忽略了背景区域，避免了背景区域中无效的像素影响前景区域深度的预测，使得预测深度图中前景区域的预测效果更具有准确性；并且，由于深度预测网络只对前景区域的预测进行学习，无需对图像的全部内容进行学习，降低了网络学习的难度。