[发明专利]图像深度信息单目估计方法、设备及可读存储介质

权利要求书

1.一种图像深度信息单目估计方法，其特征在于，包括以下步骤：

将待估计图像作为预训练好的自监督通道混合网络的输入；其中，自监督通道混合网络包括编码器模块、通道混合模块CSM及解码器模块；

利用编码器模块对待估计图像进行编码，得到若干不同层次的语义特征图；其中，若干语义特征图的语义层次不同，且分辨率不同；

利用通道混合模块CSM将若干不同层次语义特征图在通道方向进行混合、分散，得到不同分辨率的融合特征；

利用解码器模块分别对不同分辨率的融合特征进行解码，得到对应分辨率的深度估计，即得到待估计图像的深度图像。

2.根据权利要求1所述的一种图像深度信息单目估计方法，其特征在于，编码器模块采用多尺度特征编码器G_Enc；其中，多尺度特征编码器G_Enc为基于Resnet18网络的编码器；多尺度特征编码器G_Enc包括卷积层conv1、编码器第一层layer1、编码器第二层layer2、编码器第三层layer3及编码器第四层layer4；

多尺度特征编码器G_Enc的输入为RGB图像，输出为语义特征图R-Conv-1、语义特征图R-Conv-2、语义特征图R-Conv-3、语义特征图R-Conv-4及语义特征图R-Conv-5；

其中，语义特征图R-Conv-1、语义特征图R-Conv-2、语义特征图R-Conv-3、语义特征图R-Conv-4及语义特征图R-Conv-5的分辨率依次降低。

3.根据权利要求2所述的一种图像深度信息单目估计方法，其特征在于，利用通道混合模块CSM，将若干不同层次语义特征图在通道方向进行混合、分散，得到不同分辨率的融合特征的过程，具体如下：

对语义特征图R-Conv-1、语义特征图R-Conv-2、语义特征图R-Conv-3、语义特征图R-Conv-4及语义特征图R-Conv-5分别进行卷积操作，得到语义特征图Conv-1、语义特征图Conv-2、语义特征图Conv-3、语义特征图Conv-4及语义特征图Conv-5；其中，语义特征图Conv-1～5的通道数据相同；

对语义特征图Conv-2、语义特征图Conv-3、语义特征图Conv-4及语义特征图Conv-5分别进行上采样操作，使上采样后的语义特征图Conv-2～5的分辨率与语义特征图Conv-1的分辨率相同；

将语义特征图Conv-1与上采样后的语义特征图Conv-2～5进行合并操作，之后进行通道混合操作，得到混合语义特征；

在通道方向上，对混合语义特征进行均匀分割操作，得到五层通道数相同的语义特征；

保持第一层语义特征的分辨率不变，记为语义特征图C-Conv-1；

对第二层语义特征至第五层语义特征分别进行降采样操作，使降采样操作后的语义特征的分辨率分别与语义特征图Conv-2、语义特征图Conv-3、语义特征图Conv-4及语义特征图Conv-5的分辨率对应相同，得到语义特征图C-Conv-2、语义特征图C-Conv-3、语义特征图C-Conv-4及语义特征图C-Conv-5；

对语义特征图C-Conv-1～5分别进行卷积操作，得到语义特征图S-Conv-1、语义特征图S-Conv-2、语义特征图S-Conv-3、语义特征图S-Conv-4及语义特征图S-Conv-5；

将语义特征图Conv-1～5与语义特征图S-Conv-1～5分布对应合并，得到不同分辨率的融合特征。

4.根据权利要求3所述的一种图像深度信息单目估计方法，其特征在于，合并操作采用concat函数；分割操作采用Split函数；上采样操作采用nearest上采样，降采样操作采用nearest降采样。

5.根据权利要求1所述的一种图像深度信息单目估计方法，其特征在于，解码器模块采用深度神经网络解码器；其中，深度神经网络解码器包括卷积块、上采样层、合并层、卷积层及输出层；

卷积块的输入为不同分辨率的融合特征；卷积块的输出与上采样层的输入相连，上采样层的输出与合并层的输入相连，合并层的输出与卷积层的输入相连，卷积层的输出与输出层的输入相连。