公开(公告)号：CN113298861A

公开(公告)日：2021-08-24

申请号：CN202110556630.7

申请日：2021-05-21

Applicant: 南京邮电大学

Inventor： 张昀 ,  徐钦晨 ,  李润琦 ,  姚成杰 ,  毛新涛 ,  黄橙 ,  吴梦洁 ,  于舒娟

IPC: G06T7/593 ,  G06T9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于ASPP‑CycleGAN的深度估计系统及其算法，构建ASPP‑CycleGAN模型，ASPP‑CycleGAN模型中包括两个生成对抗网络；两个生成对抗网络均包括生成器和判别器；生成器引用空洞卷积的空间金字塔，判别器采用多层全域卷积结构。在生成器的编码器和解码器之间添加基于空洞卷积的空间金字塔结构，用来提取多尺度信息；且在提取多尺度信息的同时避免了过多下采样层，有效减少了模型参数计算量并很好的保留了特征的细节信息。

公开(公告)号：CN113298861B

公开(公告)日：2022-09-16

申请号：CN202110556630.7

申请日：2021-05-21

Applicant: 南京邮电大学

Inventor： 张昀 ,  徐钦晨 ,  李润琦 ,  姚成杰 ,  毛新涛 ,  黄橙 ,  吴梦洁 ,  于舒娟

IPC: G06T7/593 ,  G06T9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于ASPP‑CycleGAN的深度估计系统及其算法，构建ASPP‑CycleGAN模型，ASPP‑CycleGAN模型中包括两个生成对抗网络；两个生成对抗网络均包括生成器和判别器；生成器引用空洞卷积的空间金字塔，判别器采用多层全域卷积结构。在生成器的编码器和解码器之间添加基于空洞卷积的空间金字塔结构，用来提取多尺度信息；且在提取多尺度信息的同时避免了过多下采样层，有效减少了模型参数计算量并很好的保留了特征的细节信息。