公开(公告)号：CN118967768A

公开(公告)日：2024-11-15

申请号：CN202411105187.1

申请日：2024-08-13

Applicant: 江苏大学

Inventor： 张俊鼎 ,  饶迪 ,  高伟 ,  刘湘雯 ,  刘欢

IPC: G06T7/50 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/045 ,  G06T3/04 ,  G06N3/0495 ,  G06N3/082 ,  G06N3/0895 ,  G06N3/0455 ,  G06V10/74 ,  G06T7/70

Abstract: 本发明公开一种基于对抗生成网络的轻量级全天时自监督单目深度估计方法，将对抗生成网络与自监督单目深度估计进行结合，利用自监督MonoViT网络作为教师模型构建知识蒸馏损失优化学生模型；利用低尺度一致性损失，在低分辨率阶段进一步学习高分辨率的特征，以提升学生网络最终输出深度图的清晰度；把黑夜噪声融入到深度估计网络中，在不改变数据集的情况下进行扩充，将白天数据集经过CoMoGAN对抗生成网络转化为黑夜风格的图像；联合原始白天场景图像和黑夜场景图像共同进行模型训练。本发明在不使用额外其他数据集的情况下，降低了数据准备和模型训练的成本，提升了模型在各种复杂环境下的实用性。