公开(公告)号：CN111833390B

公开(公告)日：2023-06-20

申请号：CN202010581570.X

申请日：2020-06-23

Applicant: 杭州电子科技大学

Inventor： 周文晖 ,  燕雨祥 ,  洪勇杰 ,  张桦 ,  戴国骏

IPC: G06T7/50 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/088

Abstract: 本发明公开了一种基于无监督深度学习的光场深度估计方法。本发明设计了无监督损失函数；同时从光场图像中提取一组3×3排列的子光圈图像作为光场深度估计网络的输入，输出中心子光圈图像的视差图，实现端到端的训练。步骤S1.准备光场数据集，制作训练集和测试集；步骤S2.搭建无监督光场深度估计网络；步骤S3.设计无监督光场深度估计损失函数；步骤S4.使用训练集训练无监督光场深度估计网络；本发明通过使用本发明自主搭建的网络结构以及损失函数，在海德堡图像处理实验室提供的4D光场数据集评测网站上，可以获得优于其它无监督深度估计方法的精度。

公开(公告)号：CN111833390A

公开(公告)日：2020-10-27

申请号：CN202010581570.X

申请日：2020-06-23

Applicant: 杭州电子科技大学

Inventor： 周文晖 ,  燕雨祥 ,  洪勇杰 ,  张桦 ,  戴国骏

IPC: G06T7/50 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于无监督深度学习的光场深度估计方法。本发明设计了无监督损失函数；同时从光场图像中提取一组3×3排列的子光圈图像作为光场深度估计网络的输入，输出中心子光圈图像的视差图，实现端到端的训练。步骤S1.准备光场数据集，制作训练集和测试集；步骤S2.搭建无监督光场深度估计网络；步骤S3.设计无监督光场深度估计损失函数；步骤S4.使用训练集训练无监督光场深度估计网络；本发明通过使用本发明自主搭建的网络结构以及损失函数，在海德堡图像处理实验室提供的4D光场数据集评测网站上，可以获得优于其它无监督深度估计方法的精度。