[发明专利]一种单目深度估计模型学习性能的不确定性量化方法

权利要求书

1.一种单目深度估计模型学习性能的不确定性量化方法，其特征在于，包括以下步骤：

步骤1，选择基线模型；

步骤2，使用基线模型的原有参数进行自监督训练；

步骤3，分别基于快照策略Snapshot策略和暹罗策略Siam策略计算单目深度模型方差，量化不确定性，Snapshot策略通过计算相邻迭代周期保存模型的方差来量化不确定性，Siam策略通过计算当前迭代周期内两个子网络的方差来量化不确定性；

步骤4，基于步骤3中量化的不确定性进行不确定性区域评估，判定不确定性高于阈值的区域为不确定性区域，同时赋予高训练权重，其中，所述阈值为步骤3量化的不确定性掩膜值的均值；

步骤5，训练完成后分别基于Snapshot策略和Siam策略构建模型集合，Snapshot策略通过选取模型迭代过程中倒数N个迭代周期保存的模型构建集合，Siam策略通过选取模型迭代过程中最后1个迭代周期保存的两个子模型构建集合，N不包含正在训练的第i个模型；

步骤6，Snapshot策略构建的集合，对不确定性高于所述阈值的区域，使用最后一个迭代周期保存的模型进行深度估计，对不确定性低于所述阈值的区域，使用集合均值进行估计；Siam策略构建的集合，对不确定性高于阈值的区域，使用两个子模型中性能较好的子模型进行深度估计，对不确定性低于阈值的区域，使用集合均值进行估计。

2.根据权利要求1所述的单目深度估计模型学习性能的不确定性量化方法，其特征在于：所述步骤1中选择Monodepth2和Hints两个基线模型。

3.根据权利要求1所述的单目深度估计模型学习性能的不确定性量化方法，其特征在于：所述步骤3的具体过程为：

Snapshot策略和Siam策略按照如下方式来计算不确定性；基线模型Γ在训练到第i_th个迭代周期，对于输入图像I生成深度图所对应的不确定性掩膜值 u_m，函数u_m=UM()，其公式如下：

其中，F表示用于计算不确定性的模型集合，集合成员在Snapshot和Siam两种策略当中是不同的，F_Snapshot包含N个相邻的迭代周期保存的模型，但是不包含正在训练的第i个模型；F_Siam只包含由基线模型构造的两个孪生子网络，d_i为基线模型Γ在第i个迭代周期h生成的深度图，和是F_Snapshot和F_Siam对应模型集合生成深度图的平均值，u_m的分辨率与输入图像一致。