買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜云南師范大學(xué)申請(qǐng)的專利一種基于深度學(xué)習(xí)的室內(nèi)場(chǎng)景單目圖像深度估計(jì)方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN114638870B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-05-13發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202210251724.8，技術(shù)領(lǐng)域涉及：G06T7/50；該發(fā)明授權(quán)一種基于深度學(xué)習(xí)的室內(nèi)場(chǎng)景單目圖像深度估計(jì)方法是由劉佳濤;張亞萍設(shè)計(jì)研發(fā)完成，并于2022-03-15向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于深度學(xué)習(xí)的室內(nèi)場(chǎng)景單目圖像深度估計(jì)方法在說(shuō)明書(shū)摘要公布了：本發(fā)明涉及一種基于深度學(xué)習(xí)的室內(nèi)場(chǎng)景單目圖像深度估計(jì)方法，屬于三維場(chǎng)景感知技術(shù)領(lǐng)域。本發(fā)明首先引入在ImageNet上作圖像分類預(yù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)EfficientNet?b7，構(gòu)造編碼器，在在編碼器的不同階段上，引入基于SENet的殘差連接以及卷積和重采樣的計(jì)算操作，然后基于深度區(qū)間劃分的思想，構(gòu)造一個(gè)關(guān)注于圖像全局到局部的損失函數(shù)，應(yīng)用到不同階段的預(yù)測(cè)上，得到在不同階段的預(yù)測(cè)，最后使用基于自注意力機(jī)制的Transformer結(jié)構(gòu)，將不同階段預(yù)測(cè)的深度信息進(jìn)行融合后輸出場(chǎng)景深度預(yù)測(cè)結(jié)果。本發(fā)明通過(guò)設(shè)計(jì)一個(gè)新型、高效且輕量的解碼器，將傳統(tǒng)的串行融合編碼器不同階段的特征改進(jìn)為并行融合，提高了模型進(jìn)行深度估計(jì)時(shí)對(duì)于圖像的全局與局部信息的綜合利用能力。

本發(fā)明授權(quán)一種基于深度學(xué)習(xí)的室內(nèi)場(chǎng)景單目圖像深度估計(jì)方法在權(quán)利要求書(shū)中公布了：1.一種基于深度學(xué)習(xí)的室內(nèi)場(chǎng)景單目圖像深度估計(jì)方法，其特征在于：Step1：引入在ImageNet上作圖像分類預(yù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)EfficientNet-b7，構(gòu)造編碼器；Step2：在編碼器的不同階段上，引入基于SENet的殘差連接以及卷積和重采樣的計(jì)算操作，得到在不同階段的預(yù)測(cè)；Step3：基于深度區(qū)間劃分的方法，構(gòu)造一個(gè)關(guān)注于圖像全局到局部的損失函數(shù)，應(yīng)用到不同階段的預(yù)測(cè)上；Step4：使用基于自注意力機(jī)制的Transformer結(jié)構(gòu)，將不同階段預(yù)測(cè)的深度信息進(jìn)行融合后輸出場(chǎng)景深度預(yù)測(cè)結(jié)果；所述Step1具體為：從互聯(lián)網(wǎng)上下載好在ImageNet上預(yù)訓(xùn)練的EfficientNet-b7網(wǎng)絡(luò)，獲得其在第3、5、6、8、12個(gè)塊編碼的特征向量，這些特征向量的分辨率分別是輸入圖像分辨率的所述Step2具體為：Step2.1：將第3個(gè)塊編碼的特征向量輸入到4個(gè)基于SENet的殘差塊中，第5個(gè)塊編碼的特征向量輸入到3個(gè)基于SENet的殘差塊中，第6個(gè)塊編碼的特征向量輸入到2個(gè)基于SENet的殘差塊中，第8個(gè)塊編碼的特征向量輸入到1個(gè)基于SENet的殘差塊中；Step2.2：在各階段的最后一個(gè)殘差塊之后添加通道注意力層，并添加一個(gè)從編碼器到該層的殘差連接；Step2.3：將個(gè)階段的特征逐步通過(guò)二倍上采樣和卷積層，得到五階段具有相同通道數(shù)為30和相同分辨率為輸入分辨率一半的特征；Step2.4：將第1、2、5階段的特征逐像素相加融合，第2、3、5階段的特征逐像素相加融合，第1、3、4階段的特征逐像素相加融合，第1、4、5階段的特征逐像素相加融合，然后經(jīng)過(guò)卷積層得到四個(gè)預(yù)測(cè)，按照神經(jīng)網(wǎng)絡(luò)的由淺到深標(biāo)記為預(yù)測(cè)1到預(yù)測(cè)4；所述Step3具體為：Step3.1：從真實(shí)深度圖中獲取最大深度d_max和最小深度d_min；Step3.2：將深度區(qū)間[d_min，d_max]平均地劃分為10個(gè)小區(qū)間，一個(gè)小區(qū)間長(zhǎng)度的計(jì)算公式如下： 在這10個(gè)區(qū)間中，第i個(gè)區(qū)間的深度值范圍計(jì)算公式如下：[d_min+i-1×len，d_min+i×len]Step3.3：針對(duì)真實(shí)深度圖作直方圖，以找到在10個(gè)區(qū)間內(nèi)占占場(chǎng)景深度比例最大的區(qū)間；Step3.4：根據(jù)所占比例將10個(gè)深度區(qū)間進(jìn)行降序排列，計(jì)算Step2.4中預(yù)測(cè)1在第5個(gè)到第10個(gè)區(qū)間的均方誤差，預(yù)測(cè)2在第4個(gè)到第8個(gè)區(qū)間的均方誤差，預(yù)測(cè)3在第2個(gè)到第4個(gè)區(qū)間的均方誤差，預(yù)測(cè)4在第1個(gè)和第2個(gè)區(qū)間的均方誤差；Step3.5：將四部分誤差組合，作為模型訓(xùn)練時(shí)約束預(yù)測(cè)1到預(yù)測(cè)4關(guān)注于局部到全局的一項(xiàng)損失項(xiàng)，計(jì)算公式如下： 其中λ1＝0.5，λ2＝λ3＝0.6，λ4＝1，ni是真實(shí)深度圖經(jīng)過(guò)區(qū)間掩碼后像素總數(shù)，和分別是真實(shí)深度圖和預(yù)測(cè)i中像素點(diǎn)pi的深度值。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人云南師范大學(xué)，其通訊地址為：650504 云南省昆明市呈貢區(qū)聚賢街768號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。