公开(公告)号：CN111354030B

公开(公告)日：2023-08-04

申请号：CN202010132191.2

申请日：2020-02-29

Applicant: 同济大学

Inventor： 王祝萍 ,  戴新柯 ,  张皓 ,  黄超

IPC: G06T7/55 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/088

Abstract: 本发明涉及一种嵌入SENet单元的无监督单目图像深度图生成方法，具体为：构建深度估计网络，将目标图像输入训练好的深度估计网络获得目标图像深度图；所述的训练过程采用相机位姿估计网络；所述的深度估计网络包括编码器和解码器，所述的编码器包括7层编码卷积模块，所述的解码器包括7层解码卷积模块和7层跳跃连接的跳跃卷积模块，第1层跳跃卷积模块包括依次连接的卷积层、ReLU激活层、卷积层和ReLU激活层，第2～7层跳跃卷积模块中每块跳跃卷积模块包括残差卷积单元和SENet单元。与现有技术相比，本发明具有精度高等优点。

公开(公告)号：CN111354030A

公开(公告)日：2020-06-30

申请号：CN202010132191.2

申请日：2020-02-29

Applicant: 同济大学

Inventor： 王祝萍 ,  戴新柯 ,  张皓 ,  黄超

IPC: G06T7/55 ,  G06N3/04

Abstract: 本发明涉及一种嵌入SENet单元的无监督单目图像深度图生成方法，具体为：构建深度估计网络，将目标图像输入训练好的深度估计网络获得目标图像深度图；所述的训练过程采用相机位姿估计网络；所述的深度估计网络包括编码器和解码器，所述的编码器包括7层编码卷积模块，所述的解码器包括7层解码卷积模块和7层跳跃连接的跳跃卷积模块，第1层跳跃卷积模块包括依次连接的卷积层、ReLU激活层、卷积层和ReLU激活层，第2～7层跳跃卷积模块中每块跳跃卷积模块包括残差卷积单元和SENet单元。与现有技术相比，本发明具有精度高等优点。