用于生成双目深度估计模型的方法和装置
技术领域
本公开的实施例涉及计算机技术领域,具体涉及用于生成双目深度估计模型的方法和装置。
背景技术
双目立体视觉(Binocular Stereo Vision)是机器视觉的一种重要形式,它是基于深度原理并利用成像设备从不同的位置获取被测物体的两幅图像,通过计算图像对应点间的位置偏差,来获取物体三维几何信息的方法。通常,使用双目相机拍摄同一场景的左、右两幅视点图像,运用立体匹配算法获得深度图。而深度图的应用范围非常广泛,由于其能够记录场景中物体距离摄像机的距离,可以用以测量、三维重建、以及虚拟视点的合成等。
现有的立体匹配算法可以使用经过训练的人工神经网络来实现。该网络可以对双目相机拍摄的左右图像进行处理,得到深度图。
发明内容
本公开的实施例提出了用于生成双目深度估计模型的方法和装置,以及用于生成深度图的方法和装置。
第一方面,本公开的实施例提供了一种用于生成双目深度估计模型的方法,该方法包括:获取训练样本集合,其中,训练样本包括通过双目相机拍摄的第一图像和第二图像,还包括预先生成的、与第一图像对应的第一样本深度图和与第二图像对应的第二样本深度图;获取预设的初始双目深度估计模型;利用机器学习方法,执行如下训练步骤:将训练样本集合中的训练样本包括的第一图像和第二图像以第一顺序输入初始双目深度估计模型,将与输入的第一图像对应的第一样本深度图作为初始双目深度估计模型的期望输出,以及将第一图像和第二图像以第二顺序输入初始双目深度估计模型,将与输入的第二图像对应的第二样本深度图作为初始双目深度估计模型的期望输出,对初始双目深度估计模型进行训练,得到双目深度估计模型。
在一些实施例中,初始双目深度估计模型包括生成网络和修正网络,生成网络用于利用输入的第一图像和第二图像生成初始深度图,修正网络用于对初始深度图进行修正,得到修正后深度图。
在一些实施例中,修正网络为用于导向滤波的卷积神经网络。
在一些实施例中,训练步骤包括:将训练样本集合中的训练样本包括的第一图像和第二图像以第一顺序输入生成网络,将生成网络输出的初始深度图和对应的第一图像进行拼接处理,将拼接处理后得到的拼接后图像输入修正网络,将与输入的第一图像对应的第一样本深度图作为修正网络的期望输出,对初始双目深度估计模型进行训练;以及将训练样本集合中的训练样本包括的第一图像和第二图像以第二顺序输入生成网络,将生成网络输出的初始深度图和对应的第二图像进行拼接处理,将拼接处理后得到的拼接后图像输入修正网络,将与输入的第二图像对应的第二样本深度图作为修正网络的期望输出,对初始双目深度估计模型进行训练;将训练后的初始双目深度估计模型确定为双目深度估计模型。
在一些实施例中,将生成网络输出的初始深度图和对应的第一图像进行拼接处理,将拼接处理后得到的拼接后图像输入修正网络,包括:响应于确定生成网络输出的初始深度图与对应的第一图像的尺寸不同,调整生成网络输出的初始深度图的尺寸至与第一图像的尺寸相同;将调整尺寸后的初始深度图和对应的第一图像进行拼接为拼接后图像,将所得到的拼接后图像输入修正网络。
在一些实施例中,将生成网络输出的初始深度图和对应的第二图像进行拼接处理,将拼接处理后得到的拼接后图像输入修正网络,包括:响应于确定生成网络输出的初始深度图与对应的第二图像的尺寸不同,调整生成网络输出的初始深度图的尺寸至与第二图像的尺寸相同;将调整尺寸后的初始深度图和对应的第二图像进行拼接为拼接后图像,将所得到的拼接后图像输入修正网络。
第二方面,本公开的实施例提供了一种用于生成深度图的方法,该方法包括:获取双目相机拍摄的第一图像和第二图像;将第一图像和第二图像以第一顺序输入预先训练的双目深度估计模型,得到第一图像所对应的深度图及输出,其中,双目深度估计模型是根据第一方面中任一实施例描述的方法生成的。
在一些实施例中,该方法还包括:将第一图像和第二图像以第二顺序输入双目深度估计模型,得到第二图像所对应的深度图及输出。
第三方面,本公开的实施例提供了一种用于生成双目深度估计模型的装置,该装置包括:样本获取单元,被配置成获取训练样本集合,其中,训练样本包括通过双目相机拍摄的第一图像和第二图像,还包括预先生成的、与第一图像对应的第一样本深度图和与第二图像对应的第二样本深度图;模型获取单元,被配置成获取预设的初始双目深度估计模型;训练单元,被配置成利用机器学习方法,执行如下训练步骤:将训练样本集合中的训练样本包括的第一图像和第二图像以第一顺序输入初始双目深度估计模型,将与输入的第一图像对应的第一样本深度图作为初始双目深度估计模型的期望输出,以及将第一图像和第二图像以第二顺序输入初始双目深度估计模型,将与输入的第二图像对应的第二样本深度图作为初始双目深度估计模型的期望输出,对初始双目深度估计模型进行训练,得到双目深度估计模型。
在一些实施例中,初始双目深度估计模型包括生成网络和修正网络,生成网络用于利用输入的第一图像和第二图像生成初始深度图,修正网络用于对初始深度图进行修正,得到修正后深度图。
在一些实施例中,修正网络为用于导向滤波的卷积神经网络。
在一些实施例中,训练单元包括:第一训练模块,被配置成将训练样本集合中的训练样本包括的第一图像和第二图像以第一顺序输入生成网络,将生成网络输出的初始深度图和对应的第一图像进行拼接处理,将拼接处理后得到的拼接后图像输入修正网络,将与输入的第一图像对应的第一样本深度图作为修正网络的期望输出,对初始双目深度估计模型进行训练;以及第二训练模块,被配置成将训练样本集合中的训练样本包括的第一图像和第二图像以第二顺序输入生成网络,将生成网络输出的初始深度图和对应的第二图像进行拼接处理,将拼接处理后得到的拼接后图像输入修正网络,将与输入的第二图像对应的第二样本深度图作为修正网络的期望输出,对初始双目深度估计模型进行训练;确定模块,被配置成将训练后的初始双目深度估计模型确定为双目深度估计模型。
在一些实施例中,第一训练模块包括:第一调整子模块,被配置成响应于确定生成网络输出的初始深度图与对应的第一图像的尺寸不同,调整生成网络输出的初始深度图的尺寸至与第一图像的尺寸相同;第一拼接子模块,被配置成将调整尺寸后的初始深度图和对应的第一图像进行拼接为拼接后图像,将所得到的拼接后图像输入修正网络。
在一些实施例中,第二训练模块包括:第二调整子模块,被配置成响应于确定生成网络输出的初始深度图与对应的第二图像的尺寸不同,调整生成网络输出的初始深度图的尺寸至与第二图像的尺寸相同;第二拼接子模块,被配置成将调整尺寸后的初始深度图和对应的第二图像进行拼接为拼接后图像,将所得到的拼接后图像输入修正网络。
第四方面,本公开的实施例提供了一种用于生成深度图的装置,该装置包括:图像获取单元,被配置成获取双目相机拍摄的第一图像和第二图像;第一生成单元,被配置成将第一图像和第二图像以第一顺序输入预先训练的双目深度估计模型,得到第一图像所对应的深度图及输出,其中,双目深度估计模型是根据第一方面中任一实施例描述的方法生成的。
在一些实施例中,该装置还包括:第二生成单元,被配置成将第一图像和第二图像以第二顺序输入双目深度估计模型,得到第二图像所对应的深度图及输出。
第五方面,本公开的实施例提供了一种电子设备,该电子设备包括:一个或多个处理器;存储装置,其上存储有一个或多个程序;当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面或第二方面中任一实现方式描述的方法。
第六方面,本公开的实施例提供了一种计算机可读介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面或第二方面中任一实现方式描述的方法。
本公开的实施例提供的用于生成双目深度估计模型的方法和装置,通过获取训练样本集合,其中,训练样本包括通过双目相机拍摄的第一图像和第二图像,还包括预先生成的、与第一图像对应的第一样本深度图和与第二图像对应的第二样本深度图,利用机器学习方法:将训练样本集合中的训练样本包括的第一图像和第二图像以第一顺序输入初始双目深度估计模型,将与输入的第一图像对应的第一样本深度图作为初始双目深度估计模型的期望输出,以及将第一图像和第二图像以第二顺序输入初始双目深度估计模型,将与输入的第二图像对应的第二样本深度图作为初始双目深度估计模型的期望输出,对初始双目深度估计模型进行训练,得到双目深度估计模型,从而有针对性地使用两种样本深度图对模型进行训练,丰富了模型的生成方式,有助于使用双目深度估计模型提高生成深度图像的准确性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本公开的其它特征、目的和优点将会变得更明显:
图1是本公开的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本公开的实施例的用于生成双目深度估计模型的方法的一个实施例的流程图;
图3是根据本公开的实施例的用于生成双目深度估计模型的方法的一个应用场景的示意图;
图4是根据本公开的实施例的用于生成深度图的方法的一个实施例的流程图;
图5是根据本公开的实施例的用于生成双目深度估计模型的装置的一个实施例的结构示意图;
图6是根据本公开的实施例的用于生成深度图的装置的一个实施例的结构示意图;
图7是适于用来实现本公开的实施例的电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关公开,而非对该公开的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关公开相关的部分。
需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的实施例的用于生成双目深度估计模型的方法或用于生成双目深度估计模型的装置,或用于生成深度图的方法或用于生成深度图的装置的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如图像处理应用,拍摄类应用等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是各种电子设备。当终端设备101、102、103为软件时,可以安装在上述电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上传的图像进行处理持的后台图像处理服务器。后台图像处理服务器可以利用获取的图像进行模型训练,得到双目深度估计模型。
需要说明的是,本公开的实施例所提供的用于生成双目深度估计模型的方法或用于生成深度图的方法可以由服务器105执行,也可以由终端设备101、102、103执行,相应地,用于生成双目深度估计模型的装置或用于生成深度图的装置可以设置于服务器105中,也可以设置于终端设备101、102、103中。
需要说明的是,服务器可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。在所使用的训练样本集合不需要从远程获取的情况下,上述系统架构可以不包括网络,而只包括服务器或终端设备。
继续参考图2,示出了根据本公开的用于生成双目深度估计模型的方法的一个实施例的流程200。该用于生成双目深度估计模型的方法,包括以下步骤:
步骤201,获取训练样本集合。
在本实施例中,用于生成双目深度估计模型的方法的执行主体(例如图1所示的服务器或终端设备)可以通过有线连接方式或者无线连接方式从远程,或从本地获取训练样本集合。其中,训练样本包括通过双目相机拍摄的第一图像和第二图像,还包括预先生成的、与第一图像对应的第一样本深度图和与第二图像对应的第二样本深度图。
通常,双目相机包括两个摄像头,两个摄像头分别对同一目标进行拍摄,得到两个图像,分别为第一图像和第二图像。第一样本深度图和第二样本深度图可以是根据现有的深度图生成方法得到的原始深度图(例如使用Kinect技术获得的深度图,或使用现有的双目深度估计网络获得的深度图),再对原始深度图经过人工标定所得到的深度图。在深度图中,每个像素的像素值可以用于表征拍摄目标与摄像头的距离,由于双目相机包括两个摄像头,每个摄像头的位置相对于拍摄目标的距离不同,因此,两个图像对应的深度图也不同。
步骤202,获取预设的初始双目深度估计模型。
在本实施例中,上述执行主体可以从远程或从本地获取初始双目深度估计模型。初始双目深度估计模型可以是进行初始化参数后的模型,也可以是预先经过训练的模型。
在本实施例中,初始双目深度估计模型可以为各种结构的卷积神经网络。技术人员可以根据实际的应用需求(如需要包括哪些层、每层的层数、卷积核的大小等)构建初始双目深度估计模型。
步骤203,利用机器学习方法,执行如下训练步骤:将训练样本集合中的训练样本包括的第一图像和第二图像以第一顺序输入初始双目深度估计模型,将与输入的第一图像对应的第一样本深度图作为初始双目深度估计模型的期望输出,以及将第一图像和第二图像以第二顺序输入初始双目深度估计模型,将与输入的第二图像对应的第二样本深度图作为初始双目深度估计模型的期望输出,对初始双目深度估计模型进行训练,得到双目深度估计模型。
在本实施例中,上述执行主体可以利用机器学习方法,执行如下训练步骤:将训练样本集合中的训练样本包括的第一图像和第二图像以第一顺序输入初始双目深度估计模型,将与输入的第一图像对应的第一样本深度图作为初始双目深度估计模型的期望输出,以及将第一图像和第二图像以第二顺序输入初始双目深度估计模型,将与输入的第二图像对应的第二样本深度图作为初始双目深度估计模型的期望输出,对初始双目深度估计模型进行训练,得到双目深度估计模型。
具体地,上述第一顺序和第二顺序用于使得初始双目深度估计模型区分第一图像和第二图像,以确定输出的深度图与哪个输入的图像对应。例如,第一顺序可以为:先输入第一图像,再输入第二图像,输出的深度图与第一图像对应。第二顺序可以为:先输入第二图像,再输入第一图像,输出的深度图与第二图像对应。需要说明的是,本实施例中的第一图像、第二图像,以及第一顺序、第二顺序中的“第一”、“第二”仅仅用作区分图像或顺序,并不构成对图像或顺序的特殊限定。
训练过程中,针对每次训练输入的第一图像和第二图像,可以得到实际输出。其中,实际输出是初始双目深度估计模型实际输出的深度图。然后,上述执行主体可以采用梯度下降法,基于实际输出和期望输出,调整初始双目深度估计模型的参数,将每次调整参数后得到的模型作为下次训练的初始双目深度估计模型,并在满足预设的结束条件的情况下,结束训练,从而训练得到双目深度估计模型。
在这里,上述执行主体可以采用批量训练的方法对初始模型进行训练,也可以采用随机训练的方法对初始模型进行训练,本申请实施例对此不做限定。
需要说明的是,这里预设的训练结束条件可以包括但不限于以下至少一项:训练时间超过预设时长;训练次数超过预设次数;利用预设的损失函数(例如交叉熵损失函数)计算所得的损失值小于预设损失值阈值。
在本实施例的一些可选的实现方式中,初始双目深度估计模型包括生成网络和修正网络,生成网络用于利用输入的第一图像和第二图像生成初始深度图,修正网络用于对初始深度图进行修正,得到修正后深度图。应当理解,当第一图像和第二图像以第一顺序输入生成网络时,输出的初始深度图为与输入生成网络的第一图像对应的初始深度图。当第一图像和第二图像以第二顺序输入生成网络时,输出的初始深度图为与输入生成网络的第二图像对应的初始深度图。
修正网络可以是各种用于滤波的卷积神经网络,例如,修正网络可以包括用于实现各种滤波方式(例如高斯滤波、双边滤波等)的卷积核,通过修正网络包括的各个卷积层进行滤波,可以滤除初始深度图中的噪声,还可以保留初始深度图的边缘(即图中各区域的边界)特征,从而提高模型生成深度图的准确性。
在本实施例的一些可选的实现方式中,修正网络为用于导向滤波的卷积神经网络。其中,用于导向滤波的卷积神经网络可以通过输入一副图像(包括多个矩阵形式的通道)作为导向图,这样修正网络就可以确定图像中的边缘区域,从而更好地保持被滤波的图像中的边缘细节。这里,可以将输入修正网络的第一图像或第二图像作为导向图,从而使修正网络根据导向图对初始深度图进行修正。使用用于导向滤波的卷积神经网络,可以提高输出的修正后图像的边缘区域包括的像素表征的距离的准确性。需要说明的是,关于导向滤波的方法是目前广泛研究和应用的公知技术,在此不再赘述。
在本实施例的一些可选的实现方式中,基于上述生成网络和修正网络,上述训练步骤可以包括如下子步骤:
步骤一,将训练样本集合中的训练样本包括的第一图像和第二图像以第一顺序输入生成网络,将生成网络输出的初始深度图和对应的第一图像进行拼接处理,将拼接处理后得到的拼接后图像输入修正网络,将与输入的第一图像对应的第一样本深度图作为修正网络的期望输出,对初始双目深度估计模型进行训练。
通常,第一图像和第二图像分别包括多个通道(例如包括R(红色)G(绿色)B(蓝色)三个通道),其中每个通道用于表征图像的一种特征(例如颜色特征),生成网络输出的初始深度图通常也包括至少一个通道,上述执行主体可以将深度图包括的通道和第一图像或第二图像包括的通道合并,得到拼接后图像。通常,用于导向滤波的修正网络可以根据输入的拼接后图像,输出一个残差图像,该残差图像用于表征对初始深度图进行修正时的各像素值的变化量,将该残差图与初始深度图进行叠加,即可得到修正后的深度图。
可选地,上述执行主体可以确定生成网络输出的初始深度图和对应的第一图像的尺寸是否相同,如果相同,则按照上述拼接方法进行拼接。
在本实施例的一些可选的实现方式中,上述执行主体可以按照如下步骤将生成网络输出的初始深度图和对应的第一图像进行拼接处理,将拼接处理后得到的拼接后图像输入修正网络:
首先,响应于确定生成网络输出的初始深度图与对应的第一图像的尺寸不同,调整生成网络输出的初始深度图的尺寸至与第一图像的尺寸相同。实践中,生成网络输出的初始深度图是经过生成网络进行下采样得到的深度图,例如,其尺寸可以为第一图像的一半,因此,可以将初始深度图的尺寸再放大一倍,使其与第一图像的尺寸相同。
然后,将调整尺寸后的初始深度图和对应的第一图像拼接为拼接后图像,将所得到的拼接后图像输入修正网络。其中,这里对图像的拼接方法与上述步骤一描述的拼接方法相同,这里不再赘述。
步骤二,将训练样本集合中的训练样本包括的第一图像和第二图像以第二顺序输入生成网络,将生成网络输出的初始深度图和对应的第二图像进行拼接处理,将拼接处理后得到的拼接后图像输入修正网络,将与输入的第二图像对应的第二样本深度图作为修正网络的期望输出,对初始双目深度估计模型进行训练。
在本实施例的一些可选的实现方式中,上述执行主体可以按照如下步骤将生成网络输出的初始深度图和对应的第二图像进行拼接处理,将拼接处理后得到的拼接后图像输入修正网络:
首先,响应于确定生成网络输出的初始深度图与对应的第二图像的尺寸不同,调整生成网络输出的初始深度图的尺寸至与第二图像的尺寸相同。
然后,将调整尺寸后的初始深度图和对应的第二图像拼接为拼接后图像,将所得到的拼接后图像输入修正网络。需要说明的是,这里的对初始深度图的尺寸进行调整以及对图像的拼接方法,分别与上述调整尺寸的方法和图像的拼接方法相同,这里不再赘述。
需要说明的是,上述步骤一和步骤二是针对同一个训练样本执行的,且步骤一和步骤二的执行顺序可以互换。
步骤三,将训练后的初始双目深度估计模型确定为双目深度估计模型。
在训练生成网络和修正网络的过程中,针对每次训练输入到生成网络的第一图像和第二图像,可以得到初始深度图。再将初始深度图与第一图像或第二图像进行拼接后输入修正网络。然后,上述执行主体可以采用梯度下降法,基于实际输出和期望输出,调整生成网络和修正网络的的参数,将每次调整参数后得到的模型作为下次训练的初始双目深度估计模型,并在满足预设的结束条件的情况下,结束训练,从而训练得到双目深度估计模型。需要说明的是,这里预设的训练结束条件可以包括但不限于以下至少一项:训练时间超过预设时长;训练次数超过预设次数;利用预设的损失函数(例如交叉熵损失函数)计算所得的损失值小于预设损失值阈值。
继续参见图3,图3是根据本实施例的用于生成双目深度估计模型的方法的应用场景的一个示意图。在图3的应用场景中,电子设备301首先获取训练样本集合302,其中,训练样本包括通过双目相机拍摄的第一图像和第二图像,还包括预先生成的、与第一图像对应的第一样本深度图和与第二图像对应的第二样本深度图。然后,电子设备301获取预设的初始双目深度估计模型303。最后,电子设备301利用机器学习方法,将训练样本集合302中的训练样本包括的第一图像和第二图像以第一顺序(顺序为先输入第一图像,再输入第二图像)输入初始双目深度估计模型,将与输入的第一图像对应的第一样本深度图作为初始双目深度估计模型302的期望输出,以及将第一图像和第二图像以第二顺序(顺序为先输入第二图像,再输入第一图像)输入初始双目深度估计模型,将与输入的第二图像对应的第二样本深度图作为初始双目深度估计模型的期望输出,对初始双目深度估计模型进行训练。其中,针对每次输入的第一图像和第二图像,可以得到实际输出的深度图,电子设备301基于实际输出和期望输出,调整初始双目深度估计模型303的参数,将每次调整参数后得到的模型作为下次训练的初始双目深度估计模型(如图所示,第一图像和第二图像以第一顺序输入的初始双目深度估计模型303的参数和以第二顺序输入的初始双目深度估计模型303的参数不同),并在满足预设的结束条件(例如训练次数达到预设次数)的情况下,结束训练,从而训练得到双目深度估计模型304。
本公开的上述实施例提供的方法,通过获取训练样本集合,其中,训练样本包括通过双目相机拍摄的第一图像和第二图像,还包括预先生成的、与第一图像对应的第一样本深度图和与第二图像对应的第二样本深度图,利用机器学习方法:将训练样本集合中的训练样本包括的第一图像和第二图像以第一顺序输入初始双目深度估计模型,将与输入的第一图像对应的第一样本深度图作为初始双目深度估计模型的期望输出,以及将第一图像和第二图像以第二顺序输入初始双目深度估计模型,将与输入的第二图像对应的第二样本深度图作为初始双目深度估计模型的期望输出,对初始双目深度估计模型进行训练,得到双目深度估计模型,从而有针对性地使用两种样本深度图对模型进行训练,丰富了模型的生成方式,有助于使用双目深度估计模型提高生成深度图像的准确性。
进一步参考图4,其示出了用于生成深度图的方法的一个实施例的流程400。该用于生成深度图的方法的流程400,包括以下步骤:
步骤401,获取双目相机拍摄的第一图像和第二图像。
在本实施例中,用于生成深度图的方法的执行主体(例如图1所示的服务器或终端设备)可以通过有线连接方式或者无线连接方式从远程或从本地获取双目相机拍摄的第一图像和第二图像。其中,双目相机包括两个摄像头,用于分别对同一目标进行拍摄,得到两个图像,分别为第一图像和第二图像。
步骤402,将第一图像和第二图像以第一顺序输入预先训练的双目深度估计模型,得到第一图像所对应的深度图及输出。
在本实施例中,上述执行主体可以将第一图像和第二图像以第一顺序输入预先训练的双目深度估计模型,得到第一图像所对应的深度图及输出。
其中,双目深度估计模型是根据上述图2对应实施例描述的方法生成的。上述第一顺序用于使得初始双目深度估计模型区分第一图像和第二图像,以确定输出的深度图与哪个输入的图像对应。例如,第一顺序可以为:先输入第一图像,再输入第二图像,输出的深度图与第一图像对应。
上述执行主体可以按照各种方式输出与第一图像对应的深度图。例如,可以将深度图显示在上述执行主体包括的显示屏上,或者将深度图发送到与上述执行主体通信连接的电子设备上。
在本实施例的一些可选的实现方式中,上述执行主体还可以将第一图像和第二图像以第二顺序输入上述双目深度估计模型,得到第二图像所对应的深度图及输出。作为示例,第二顺序可以为:先输入第二图像,再输入第一图像,输出的深度图与第二图像对应。
本公开的上述实施例提供的方法,通过获取双目相机拍摄的第一图像和第二图像,将第一图像和第二图像以第一顺序输入预先按照上述图2对应实施例描述的方法训练得到的双目深度估计模型,得到第一图像所对应的深度图及输出,从而有效地利用双目深度估计模型提高了生成深度图的准确性。
进一步参考图5,作为对上述图2所示方法的实现,本公开提供了一种用于生成双目深度估计模型的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的用于生成双目深度估计模型的装置500包括:样本获取单元501,被配置成获取训练样本集合,其中,训练样本包括通过双目相机拍摄的第一图像和第二图像,还包括预先生成的、与第一图像对应的第一样本深度图和与第二图像对应的第二样本深度图;模型获取单元502,被配置成获取预设的初始双目深度估计模型;训练单元503,被配置成利用机器学习方法,执行如下训练步骤:将训练样本集合中的训练样本包括的第一图像和第二图像以第一顺序输入初始双目深度估计模型,将与输入的第一图像对应的第一样本深度图作为初始双目深度估计模型的期望输出,以及将第一图像和第二图像以第二顺序输入初始双目深度估计模型,将与输入的第二图像对应的第二样本深度图作为初始双目深度估计模型的期望输出,对初始双目深度估计模型进行训练,得到双目深度估计模型。
在本实施例中,样本获取单元501可以通过有线连接方式或者无线连接方式从远程,或从本地获取训练样本集合。其中,训练样本包括通过双目相机拍摄的第一图像和第二图像,还包括预先生成的、与第一图像对应的第一样本深度图和与第二图像对应的第二样本深度图。
通常,双目相机包括两个摄像头,两个摄像头分别对同一目标进行拍摄,得到两个图像,分别为第一图像和第二图像。第一样本深度图和第二样本深度图可以是根据现有的深度图生成方法得到的原始深度图(例如使用Kinect技术获得的深度图,或使用现有的双目深度估计网络获得的深度图),再对原始深度图经过人工标定所得到的深度图。在深度图中,每个像素的像素值可以用于表征拍摄目标与摄像头的距离,由于双目相机包括两个摄像头,每个摄像头的位置相对于拍摄目标的距离不同,因此,两个图像对应的深度图也不同。
在本实施例中,模型获取单元502可以从远程或从本地获取初始双目深度估计模型。初始双目深度估计模型可以是进行初始化参数后的模型,也可以是预先经过训练的模型。
在本实施例中,初始双目深度估计模型可以为各种结构的卷积神经网络。技术人员可以根据实际的应用需求(如需要包括哪些层、每层的层数、卷积核的大小等)构建初始双目深度估计模型。
在本实施例中,训练单元503可以利用机器学习方法,执行如下训练步骤:将训练样本集合中的训练样本包括的第一图像和第二图像以第一顺序输入初始双目深度估计模型,将与输入的第一图像对应的第一样本深度图作为初始双目深度估计模型的期望输出,以及将第一图像和第二图像以第二顺序输入初始双目深度估计模型,将与输入的第二图像对应的第二样本深度图作为初始双目深度估计模型的期望输出,对初始双目深度估计模型进行训练,得到双目深度估计模型。
具体地,上述第一顺序和第二顺序用于使得初始双目深度估计模型区分第一图像和第二图像,以确定输出的深度图与哪个输入的图像对应。例如,第一顺序可以为:先输入第一图像,再输入第二图像,输出的深度图与第一图像对应。第二顺序可以为:先输入第二图像,再输入第一图像,输出的深度图与第二图像对应。需要说明的是,本实施例中的第一图像、第二图像,以及第一顺序、第二顺序中的“第一”、“第二”仅仅用作区分图像或顺序,并不构成对图像或顺序的特殊限定。
训练过程中,针对每次训练输入的第一图像和第二图像,可以得到实际输出。其中,实际输出是初始双目深度估计模型实际输出的深度图。然后,上述训练单元503可以采用梯度下降法,基于实际输出和期望输出,调整初始双目深度估计模型的参数,将每次调整参数后得到的模型作为下次训练的初始双目深度估计模型,并在满足预设的结束条件的情况下,结束训练,从而训练得到双目深度估计模型。
在这里,上述训练单元503可以采用批量训练的方法对初始模型进行训练,也可以采用随机训练的方法对初始模型进行训练,本公开的实施例对此不做限定。
需要说明的是,这里预设的训练结束条件可以包括但不限于以下至少一项:训练时间超过预设时长;训练次数超过预设次数;利用预设的损失函数(例如交叉熵损失函数)计算所得的损失值小于预设损失值阈值。
在本实施例的一些可选的实现方式中,初始双目深度估计模型包括生成网络和修正网络,生成网络用于利用输入的第一图像和第二图像生成初始深度图,修正网络用于对初始深度图进行修正,得到修正后深度图。
在本实施例的一些可选的实现方式中,修正网络为用于导向滤波的卷积神经网络。
在本实施例的一些可选的实现方式中,训练单元503可以包括:第一训练模块(图中未示出),被配置成将训练样本集合中的训练样本包括的第一图像和第二图像以第一顺序输入生成网络,将生成网络输出的初始深度图和对应的第一图像进行拼接处理,将拼接处理后得到的拼接后图像输入修正网络,将与输入的第一图像对应的第一样本深度图作为修正网络的期望输出,对初始双目深度估计模型进行训练;以及第二训练模块(图中未示出),被配置成将训练样本集合中的训练样本包括的第一图像和第二图像以第二顺序输入生成网络,将生成网络输出的初始深度图和对应的第二图像进行拼接处理,将拼接处理后得到的拼接后图像输入修正网络,将与输入的第二图像对应的第二样本深度图作为修正网络的期望输出,对初始双目深度估计模型进行训练;确定模块(图中未示出),被配置成将训练后的初始双目深度估计模型确定为双目深度估计模型。
在本实施例的一些可选的实现方式中,第一训练模块包括:第一调整子模块(图中未示出),被配置成响应于确定生成网络输出的初始深度图与对应的第一图像的尺寸不同,调整生成网络输出的初始深度图的尺寸至与第一图像的尺寸相同;第一拼接子模块(图中未示出),被配置成将调整尺寸后的初始深度图和对应的第一图像进行拼接为拼接后图像,将所得到的拼接后图像输入修正网络。
在本实施例的一些可选的实现方式中,第二训练模块包括:第二调整子模块(图中未示出),被配置成响应于确定生成网络输出的初始深度图与对应的第二图像的尺寸不同,调整生成网络输出的初始深度图的尺寸至与第二图像的尺寸相同;第二拼接子模块(图中未示出),被配置成将调整尺寸后的初始深度图和对应的第二图像进行拼接为拼接后图像,将所得到的拼接后图像输入修正网络。
本公开的上述实施例提供的装置500,通过获取训练样本集合,其中,训练样本包括通过双目相机拍摄的第一图像和第二图像,还包括预先生成的、与第一图像对应的第一样本深度图和与第二图像对应的第二样本深度图,利用机器学习方法:将训练样本集合中的训练样本包括的第一图像和第二图像以第一顺序输入初始双目深度估计模型,将与输入的第一图像对应的第一样本深度图作为初始双目深度估计模型的期望输出,以及将第一图像和第二图像以第二顺序输入初始双目深度估计模型,将与输入的第二图像对应的第二样本深度图作为初始双目深度估计模型的期望输出,对初始双目深度估计模型进行训练,得到双目深度估计模型,从而有针对性地使用两种样本深度图对模型进行训练,丰富了模型的生成方式,有助于使用双目深度估计模型提高生成深度图像的准确性。
进一步参考图6,作为对上述图4所示方法的实现,本公开提供了一种用于生成双目深度估计模型的装置的一个实施例,该装置实施例与图4所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图6所示,本实施例的用于生成双目深度估计模型的装置600包括:图像获取单元601,被配置成获取双目相机拍摄的第一图像和第二图像;第一生成单元602,被配置成将第一图像和第二图像以第一顺序输入预先训练的双目深度估计模型,得到第一图像所对应的深度图及输出,其中,双目深度估计模型是根据第一方面中任一实施例描述的方法生成的。
在本实施例中,图像获取单元601可以通过有线连接方式或者无线连接方式从远程或从本地获取双目相机拍摄的第一图像和第二图像。其中,双目相机包括两个摄像头,分别对同一目标进行拍摄,得到两个图像,分别为第一图像和第二图像。
在本实施例中,第一生成单元602可以将第一图像和第二图像以第一顺序输入预先训练的双目深度估计模型,得到第一图像所对应的深度图及输出。
其中,双目深度估计模型是根据上述图2对应实施例描述的方法生成的。上述第一顺序用于使得初始双目深度估计模型区分第一图像和第二图像,以确定输出的深度图与哪个输入的图像对应。例如,第一顺序可以为:第一图像,第二图像,输出的深度图与第一图像对应。
上述第一生成单元602可以按照各种方式输出与第一图像对应的深度图。例如,可以将深度图显示在上述装置600包括的显示屏上,或者将深度图发送到与上述装置600通信连接的电子设备上。
在本实施例的一些可选的实现方式中,该装置600还可以包括:第二生成单元(图中未示出),被配置成将第一图像和第二图像以第二顺序输入双目深度估计模型,得到第二图像所对应的深度图及输出。
本公开的上述实施例提供的装置600,通过获取双目相机拍摄的第一图像和第二图像,将第一图像和第二图像以第一顺序输入预先按照上述图2对应实施例描述的方法训练得到的双目深度估计模型,得到第一图像所对应的深度图及输出,从而有效地利用双目深度估计模型提高了生成深度图的准确性。
下面参考图7,其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器或终端设备)700的结构示意图。本公开的实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图7示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图7所示,电子设备700可以包括处理装置(例如中央处理器、图形处理器等)701,其可以根据存储在只读存储器(ROM)702中的程序或者从存储装置708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中,还存储有电子设备700操作所需的各种程序和数据。处理装置701、ROM 702以及RAM703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
通常,以下装置可以连接至I/O接口705:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置706;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置707;包括例如磁带、硬盘等的存储装置708;以及通信装置709。通信装置709可以允许电子设备700与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备700,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图7中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置709从网络上被下载和安装,或者从存储装置708被安装,或者从ROM 702被安装。在该计算机程序被处理装置701执行时,执行本公开的实施例的方法中限定的上述功能。需要说明的是,本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取训练样本集合,其中,训练样本包括通过双目相机拍摄的第一图像和第二图像,还包括预先生成的、与第一图像对应的第一样本深度图和与第二图像对应的第二样本深度图;获取预设的初始双目深度估计模型;利用机器学习方法,执行如下训练步骤:将训练样本集合中的训练样本包括的第一图像和第二图像以第一顺序输入初始双目深度估计模型,将与输入的第一图像对应的第一样本深度图作为初始双目深度估计模型的期望输出,以及将第一图像和第二图像以第二顺序输入初始双目深度估计模型,将与输入的第二图像对应的第二样本深度图作为初始双目深度估计模型的期望输出,对初始双目深度估计模型进行训练,得到双目深度估计模型。
此外,当上述一个或者多个程序被该电子设备执行时,还可以使得该电子设备:获取双目相机拍摄的第一图像和第二图像;将第一图像和第二图像以第一顺序输入预先训练的双目深度估计模型,得到第一图像所对应的深度图及输出,其中,双目深度估计模型是根据第一方面中任一实施例描述的方法生成的。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括样本获取单元、模型获取单元和训练单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,样本获取单元还可以被描述为“获取训练样本集合的单元”。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。