公开(公告)号：CN107767413A

公开(公告)日：2018-03-06

申请号：CN201710850577.5

申请日：2017-09-20

Applicant: 华南理工大学

Inventor： 李格 ,  余翔宇

IPC: G06T7/50

Abstract: 本发明公开了一种基于卷积神经网络的图像深度估计方法，包括以下步骤：搭建卷积-反卷积对神经网络模型，所述卷积-反卷积对神经网络模型包括多个不同的卷积层、多个卷积-反卷积层对和激活层；选取训练集，并设置卷积-反卷积对神经网络模型的训练参数；根据卷积-反卷积对神经网络模型及其训练参数，以最小化损失函数为目标训练卷积-反卷积对神经网络模型形成图像深度估计神经网络模型；将待处理的图像输入到图像深度估计神经网络模型，输出对应的深度图。利用本发明的基于卷积-反卷积对神经网络的图像深度估计方法获得的深度图灰度值较精确，深度图层次感更强。

公开(公告)号：CN107767413B

公开(公告)日：2020-02-18

申请号：CN201710850577.5

申请日：2017-09-20

Applicant: 华南理工大学

Inventor： 李格 ,  余翔宇

IPC: G06T7/50

Abstract: 本发明公开了一种基于卷积神经网络的图像深度估计方法，包括以下步骤：搭建卷积‑反卷积对神经网络模型，所述卷积‑反卷积对神经网络模型包括多个不同的卷积层、多个卷积‑反卷积层对和激活层；选取训练集，并设置卷积‑反卷积对神经网络模型的训练参数；根据卷积‑反卷积对神经网络模型及其训练参数，以最小化损失函数为目标训练卷积‑反卷积对神经网络模型形成图像深度估计神经网络模型；将待处理的图像输入到图像深度估计神经网络模型，输出对应的深度图。利用本发明的基于卷积‑反卷积对神经网络的图像深度估计方法获得的深度图灰度值较精确，深度图层次感更强。