一种基于无监督自适应网络的水下双目深度估计方法.pdf
努力****冰心
亲,该文档总共12页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于无监督自适应网络的水下双目深度估计方法.pdf
本发明公开一种基于无监督自适应网络的水下双目深度估计方法,属于图像处理与计算机立体视觉领域。本发明包括表观层的风格自适应子模块与语义层的特征自适应子模块。首先,本发明利用风格自适应子模块生成水下仿真数据,缓解水下真实环境标签数据匮乏的问题;同时将特征自适应子模块应用于深度估计骨干网络的训练,以克服仿真数据与真实水下数据之间域差异过大,无法直接迁移陆地场景深度估计模型的困难。通过将本发明所提出的自适应模块集成到现有的深度估计网络中,能够实现从水下数据的表观层到语义层的逐步自适应效果,进而从真实水下立体图像中
一种基于深度区间估计的无监督单目深度估计方法.pdf
本发明公开了一种基于深度区间估计的无监督单目深度估计方法,具体为:采用深度估计模型对视频帧进行如下处理:1:提取当前帧的特征图像F;2:对F的空间张量进行空间重构,得到向量x
一种基于无监督深度学习的单目深度估计方法.pdf
本发明公开了一种基于无监督深度学习的单目深度估计方法,首先构建基于无监督深度学习的深度估计以及位姿估计网络框架;然后将建立的神经网络进行训练;最后将训练好的网络进行测试;本发明的一种基于无监督深度学习的单目深度估计方法在保证良好精度的基础上,解决监督学习在实际应用中的局限性。
一种基于伪标签融合的双目深度估计方法.pdf
本发明涉及自动驾驶技术领域,具体来说是一种基于伪标签融合的双目深度估计方法,包括通过双目相机获得左右图;对左右图进行立体匹配,计算出深度图作为伪标签;还包括:通过深度图和置信度网络对左右图进行训练,获得深度图与置信度图;将深度图、置信度图和立体匹配的深度图结合,放入融合网络;获取融合后的深度图,并与真值计算损失函数,反向传播训练模型。本发明所提供的一种基于伪标签融合的双目深度估计方法,既能保留深度学习方法泛化能力强的优势,又能结合传统方法精度高的优点,使本发明的深度图系统在各场景环境下均能保持良好的精度与
基于双目RGB-D相机深度轮廓估计方法.pdf
本发明属于计算机视觉领域,为提出生成高质量深度轮廓估计的方法。本发明采取的技术方案是,基于双目RGB‑D相机深度轮廓估计方法,RGB‑D表示彩色和深度图像。首先得到低分辨率的深度边缘信息;然后通过相机标定和图像校准操作,得到深度边缘的高分辨率散点图,并进行边缘插值得到高分辨率的连续的深度轮廓;最后,在彩色图像边缘的引导和约束下,对深度轮廓进行矫正优化,生成最终的深度轮廓图像。本发明主要应用于计算机视觉场合。