公开(公告)号：CN115147709A

公开(公告)日：2022-10-04

申请号：CN202210799673.2

申请日：2022-07-06

Applicant: 西北工业大学

Inventor： 沈钧戈 ,  危欢 ,  毛昭勇 ,  孙健 ,  王亦晨

IPC: G06V20/05 ,  G06N3/04 ,  G06N3/08 ,  G06V10/44 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明提供了一种基于深度学习的水下目标三维重建方法，采用注意力机制获得水下图片重点聚焦的特征，对图片进行单应性变换，生成匹配特征体，计算该图片的特征体与其他图片特征体的匹配代价，得到一个四维的匹配代价体，使用基于多尺度的三维卷积神经网络进行匹配代价体正则化，对代价体进行过滤，得到深度值概率体，通过神经网络得出深度图，将深度值映射到三维空间，得到三维点云图。本发明充分使用卷积神经网络的特征提取能力，进一步提升模型的表征能力，极大改善立体匹配效果，动态平衡各个通道的权重大小，能够精准的对特征的各个通道进行全局信息调整，有利于优化特征局部信息。

公开(公告)号：CN115147709B

公开(公告)日：2024-03-19

申请号：CN202210799673.2

申请日：2022-07-06

Applicant: 西北工业大学

Inventor： 沈钧戈 ,  危欢 ,  毛昭勇 ,  孙健 ,  王亦晨

IPC: G06V20/05 ,  G06N3/0464 ,  G06N3/09 ,  G06V10/44 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明提供了一种基于深度学习的水下目标三维重建方法，采用注意力机制获得水下图片重点聚焦的特征，对图片进行单应性变换，生成匹配特征体，计算该图片的特征体与其他图片特征体的匹配代价，得到一个四维的匹配代价体，使用基于多尺度的三维卷积神经网络进行匹配代价体正则化，对代价体进行过滤，得到深度值概率体，通过神经网络得出深度图，将深度值映射到三维空间，得到三维点云图。本发明充分使用卷积神经网络的特征提取能力，进一步提升模型的表征能力，极大改善立体匹配效果，动态平衡各个通道的权重大小，能够精准的对特征的各个通道进行全局信息调整，有利于优化特征局部信息。