[发明专利]一种基于残差网络及局部细化的单目深度估计方法

摘要

本发明公开了一种基于残差网络及局部细化的单目深度估计方法。在训练阶段，搭建神经网络模型，其隐藏层主要包括5个部分，即inception部分、编码部分、解码部分、跳跃连接部分、以及局部细化部分；使用最初的、原始的KITTI数据库交通场景图，将其进行处理、归一化，再输入到神经网络模型中进行反复的训练，得到的深度图再与相应的标签图进行对应损失函数值的计算，得到最优权重；在测试阶段，将待测试的交通场景图输入到神经网络模型当中，并载入训练阶段的最优权重，输出标签接近的深度图，优点是提高了KITTI数据图片单目深度预测的准确性，提升了深度图的质量。

主权项

1.一种基于残差网络及局部细化的单目深度估计方法，其特征在于方法包括以下步骤：步骤1_1：选取D幅深度估计原始图像及深度估计原始图像对应的已知深度的深度估计标签图像，将所有深度估计原始图像及其对应的深度估计标签图像构成训练集；步骤1_2：构建神经网络模型；步骤1_3：将训练集输入到神经网络模型进行训练：训练过程中，每次迭代训练处理得到每幅深度估计原始图像的深度预测图，计算每幅深度估计原始图像的深度预测图与深度估计标签图像构成的损失函数值，损失函数值采用均方差(MSE)损失函数获得；步骤1_4：重复执行步骤1_3一共n次，并共得到D×n个损失函数值；然后从D×n个损失函数值中找出最小的损失函数值作为模型参数，从而完成神经网络模型的训练；步骤1_5：利用训练后获得的神经网络模型对深度待预测的深度估计原始图像进行预测处理，输出获得对应的深度预测图，实现单目图像深度估计。