公开(公告)号：CN113610912B

公开(公告)日：2024-02-02

申请号：CN202110931555.8

申请日：2021-08-13

Applicant: 中国矿业大学 ,  江苏华图矿业科技有限公司

Inventor： 程德强 ,  韩成功 ,  赵佳敏 ,  寇旗旗 ,  陈亮亮 ,  赵凯

IPC: G06T7/55 ,  G06T7/246 ,  G06T3/4053 ,  G06T3/4046 ,  G06N3/0464 ,  G06N3/088 ,  G06N3/0455 ,  G06V10/74

Abstract: 本发明是一种三维场景重建中低分辨率图像单目深度估计系统及方法，方法包括：步骤1、构建适合EDSR训练的数据库K‑DIV2K数据集；步骤2、采用数据集分别训练EDSR放大2倍、放大3倍和4倍模型，得到具有不同放大能力的超分辨率放大模块；步骤3、将得到的超分辨率放大模块进行多尺度深度预测，得到12个尺度的输入图片；步骤4、将步骤3中其中九个尺度的输入图片送到单目深度估计网络架构中，采用空洞卷积提取图像中的特征图，最终恢复出深度信息图。本发明提升了EDSR模型的泛化能力，使其能在KITTI数据集上得到较好的超分放大效果，提升了模型的在低分辨率输入图像下的特征提取能力和深度估计能力。

公开(公告)号：CN113610912A

公开(公告)日：2021-11-05

申请号：CN202110931555.8

申请日：2021-08-13

Applicant: 中国矿业大学 ,  江苏华图矿业科技有限公司

Inventor： 程德强 ,  韩成功 ,  赵佳敏 ,  寇旗旗 ,  陈亮亮 ,  赵凯

IPC: G06T7/55 ,  G06T7/246 ,  G06T3/40 ,  G06N3/08 ,  G06N3/04 ,  G06K9/62

Abstract: 本发明是一种三维场景重建中低分辨率图像单目深度估计系统及方法，方法包括：步骤1、构建适合EDSR训练的数据库K‑DIV2K数据集；步骤2、采用数据集分别训练EDSR放大2倍、放大3倍和4倍模型，得到具有不同放大能力的超分辨率放大模块；步骤3、将得到的超分辨率放大模块进行多尺度深度预测，得到12个尺度的输入图片；步骤4、将步骤3中其中九个尺度的输入图片送到单目深度估计网络架构中，采用空洞卷积提取图像中的特征图，最终恢复出深度信息图。本发明提升了EDSR模型的泛化能力，使其能在KITTI数据集上得到较好的超分放大效果，提升了模型的在低分辨率输入图像下的特征提取能力和深度估计能力。

公开(公告)号：CN113592718A

公开(公告)日：2021-11-02

申请号：CN202110924404.X

申请日：2021-08-12

Applicant: 中国矿业大学

Inventor： 程德强 ,  赵佳敏 ,  韩成功 ,  寇旗旗 ,  赵凯 ,  徐进洋

IPC: G06T3/40 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明是一种基于多尺度残差网络的矿井图像超分辨率重建方法及系统，该系统是通过图像超分辨率重建模型将低分辨率图像重建为高分辨率图像，图像超分辨率重建模型由浅层特征提取模块、深层特征提取模块和特征重建模块组成，深层特征提取模块由m个融合多尺度卷积、卷积注意力机制和残差连接的多尺度残差注意力组和一个特征融合层组成，整个特征提取模块采用简化后的密集网络将提取到的浅层特征和不同层次的深层特征传送到特征融合层进行特征融合。该矿井图像超分辨率重建方法包括如下步骤：提取图像浅层特征、深层特征，将提取到的浅层和深层特征进行融合，图像重建。本发明能够更有效的利用特征信息，可以有效防止图像特征信息丢失。