公开(公告)号：CN114494386B

公开(公告)日：2025-05-27

申请号：CN202111531301.3

申请日：2021-12-14

Applicant: 南京大学

Inventor： 孙正兴 ,  刘胡伟 ,  孙蕴瀚 ,  张巍

IPC: G06T7/55 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/094

Abstract: 本发明公开了一种多频谱图像监督的红外图像深度估计方法，包括以下步骤：1)构建频谱转换模块：根据多频谱图像，得到频谱转换图像；2)构建频谱转换损失模块：根据红外图像，得到视差；3)构建辅助损失模块：利用步骤得到的频谱转换图像和视差通过图像翘曲，计算辅助损失，并利用该损失迭代优化频谱转换网络模型。4)构建深度估计损失模块：利用得到的视差进行图像翘曲，计算深度估计损失，并利用该损失迭代优化深度估计网络模型；5)构建辅助损失模块：利用得到的频谱转换图像和视差通过图像翘曲，计算辅助损失，并利用该损失迭代优化频谱转换网络模型。6)整体框架训练：包括数据预处理，模型框架预热，训练以及测试四个阶段。

公开(公告)号：CN114494386A

公开(公告)日：2022-05-13

申请号：CN202111531301.3

申请日：2021-12-14

Applicant: 南京大学

Inventor： 孙正兴 ,  刘胡伟 ,  孙蕴瀚 ,  张巍

IPC: G06T7/55 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种多频谱图像监督的红外图像深度估计方法，包括以下步骤：1)构建频谱转换模块：根据多频谱图像，得到频谱转换图像；2)构建频谱转换损失模块：根据红外图像，得到视差；3)构建辅助损失模块：利用步骤得到的频谱转换图像和视差通过图像翘曲，计算辅助损失，并利用该损失迭代优化频谱转换网络模型。4)构建深度估计损失模块：利用得到的视差进行图像翘曲，计算深度估计损失，并利用该损失迭代优化深度估计网络模型；5)构建辅助损失模块：利用得到的频谱转换图像和视差通过图像翘曲，计算辅助损失，并利用该损失迭代优化频谱转换网络模型。6)整体框架训练：包括数据预处理，模型框架预热，训练以及测试四个阶段。