CN114037087B - 模型训练方法及装置、深度预测方法及装置、设备和介质 - Google Patents
模型训练方法及装置、深度预测方法及装置、设备和介质 Download PDFInfo
- Publication number
- CN114037087B CN114037087B CN202111271113.1A CN202111271113A CN114037087B CN 114037087 B CN114037087 B CN 114037087B CN 202111271113 A CN202111271113 A CN 202111271113A CN 114037087 B CN114037087 B CN 114037087B
- Authority
- CN
- China
- Prior art keywords
- depth
- prediction
- image
- predicted
- pixel point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012549 training Methods 0.000 title claims abstract description 96
- 238000000034 method Methods 0.000 title claims abstract description 95
- 230000006870 function Effects 0.000 claims description 45
- 238000004590 computer program Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 13
- 230000004044 response Effects 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 abstract description 13
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 238000013135 deep learning Methods 0.000 abstract description 5
- 238000004891 communication Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 230000000295 complement effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000000873 masking effect Effects 0.000 description 2
- 229910044991 metal oxide Inorganic materials 0.000 description 2
- 150000004706 metal oxides Chemical class 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000010409 thin film Substances 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/10—Geometric effects
- G06T15/20—Perspective computation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种模型训练方法及装置、深度预测方法及装置、设备和介质,涉及人工智能领域,具体涉及计算机视觉和深度学习技术。方案为:采用深度估计模型中的至少两预测分支对源图像相邻的至少一目标图像进行深度预测,及对各目标图像相邻和/或间隔设定帧数的邻近图像进行深度预测;根据预测的深度值,确定将各目标图像重投影至源图像的第一重投影误差,及确定将各邻近图像重投影至对应目标图像的第二重投影误差;根据各重投影误差中的最小值对至少两预测分支中的第一预测分支进行训练,及根据各重投影误差确定均值,根据均值和最小值之间的第一差异对至少两预测分支中的第二预测分支进行训练。由此,可以提升深度预测结果的准确性和可靠性。
Description
技术领域
本公开涉及人工智能领域,具体涉及计算机视觉和深度学习技术,尤其涉及模型训练方法及装置、深度预测方法及装置、设备和介质。
背景技术
深度预测又称为深度估计,是指利用一张或者唯一/多个视角下的RGB(Red GreenBlue,红绿蓝)图像(2D图像),估计该图像中每个像素点相对拍摄源(即图像采集设备)的距离。深度预测是场景重建和理解任务的关键步骤,在计算机视觉领域属于3D重建的重要部分。
例如,在车载摄像头、监控摄像头等场景中,需要对路面状况进行分析,此时可对摄像头采集的图像中各道路要素进行深度估计,从而可以根据深度估计结果分析路面状况,以提高驾驶安全性、减少拥堵、提高交通效率。
因此,如何实现对图像中各像素点的深度进行预测是非常重要的。
发明内容
本公开提供了一种用于模型训练方法及装置、深度预测方法及装置、设备和介质。
根据本公开的一方面,提供了一种模型训练方法,包括:
从图像采集设备采集的多帧图像中,确定至少一帧源图像;
采用深度估计模型中的至少两预测分支,对所述源图像相邻的至少一目标图像进行深度预测,以及采用所述至少两预测分支,对各所述目标图像相邻和/或间隔设定帧数的邻近图像进行深度预测;
根据所述至少两预测分支对各所述目标图像中各像素点预测的深度值,确定将各所述目标图像重投影至所述源图像的第一重投影误差,以及根据所述至少两预测分支对各所述邻近图像中各像素点预测的深度值,确定将各所述邻近图像重投影至对应目标图像的第二重投影误差;
根据各所述第一重投影误差和各所述第二重投影误差中的最小值对所述至少两预测分支中的第一预测分支进行训练,以及根据各所述第一重投影误差和各所述第二重投影误差确定均值,根据所述均值和所述最小值之间的第一差异对所述至少两预测分支中的第二预测分支进行训练。
根据本公开的另一方面,提供了一种深度预测方法,包括:
获取待检测图像;
采用深度估计模型中的第一预测分支,对所述待检测图像中各像素点进行深度预测,得到所述待检测图像中各像素点的第一预测深度值及对应的第一预测深度置信度;其中,所述深度估计模型是采用本公开上述实施例提出的模型训练方法训练得到的;
采用所述深度估计模型中的第二预测分支,对所述待检测图像中各像素点进行深度预测,得到所述待检测图像中各像素点的第二预测深度值及对应的第二预测深度置信度;
确定所述待检测图像中各像素点对应的第一预测深度置信度和第二预测深度置信度中的最大置信度,并将所述最大置信度对应的预测深度值,作为相应像素点对应的目标深度值。
根据本公开的又一方面,提供了一种模型训练装置,包括:
第一确定模块,用于从图像采集设备采集的多帧图像中,确定至少一帧源图像;
预测模块,用于采用深度估计模型中的至少两预测分支,对所述源图像相邻的至少一目标图像进行深度预测,以及所述至少两预测分支,对各所述目标图像相邻和/或间隔设定帧数的邻近图像进行深度预测;
第二确定模块,用于根据所述至少两预测分支对各所述目标图像中各像素点预测的深度值,确定将各所述目标图像重投影至所述源图像的第一重投影误差,以及根据所述至少两预测分支对各所述邻近图像中各像素点预测的深度值,确定将各所述邻近图像重投影至对应目标图像的第二重投影误差;
训练模块,用于根据各所述第一重投影误差和各所述第二重投影误差中的最小值对所述至少两预测分支中的第一预测分支进行训练,以及根据各所述第一重投影误差和各所述第二重投影误差确定均值,根据所述均值和所述最小值之间的第一差异对所述至少两预测分支中的第二预测分支进行训练。
根据本公开的再一方面,提供了一种深度预测装置,包括:
获取模块,用于获取待检测图像;
预测模块,用于采用深度估计模型中的第一预测分支,对所述待检测图像中各像素点进行深度预测,得到所述待检测图像中各像素点的第一预测深度值及对应的第一预测深度置信度;其中,所述深度估计模型是采用本公开前述实施例提出的模型训练装置训练得到的;
所述预测模块,还用于采用所述深度估计模型中的第二预测分支,对所述待检测图像中各像素点进行深度预测,得到所述待检测图像中各像素点的第二预测深度值及对应的第二预测深度置信度;
处理模块,用于确定所述待检测图像中各像素点对应的第一预测深度置信度和第二预测深度置信度中的最大置信度,并将所述最大置信度对应的预测深度值,作为相应像素点对应的目标深度值。
根据本公开的又一方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本公开上述一方面提出的模型训练方法,或者,执行本公开上述另一方面提出的深度预测方法。
根据本公开的再一方面,提供了一种计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行本公开上述一方面提出的模型训练方法,或者,执行本公开上述另一方面提出的深度预测方法。
根据本公开的还一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现本公开上述一方面提出的模型训练方法,或者,实现本公开上述另一方面提出的深度预测方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1为本公开实施例一所提供的模型训练方法的流程示意图;
图2为本公开实施例二所提供的模型训练方法的流程示意图;
图3为本公开实施例三所提供的模型训练方法的流程示意图;
图4为本公开实施例四所提供的模型训练方法的流程示意图;
图5为本公开实施例五所提供的深度预测方法的流程示意图;
图6为本公开实施例六所提供的模型训练装置的结构示意图;
图7为本公开实施例七所提供的深度预测装置的结构示意图;
图8示出了可以用来实施本公开的实施例的示例电子设备的示意性框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
目前,可以通过单目深度估计算法、双目深度估计算法,来对图像中的各像素点进行深度估计。而应用于自动驾驶的路况判断,多以单目摄像头为主,但是在实际应用时,发明人发现,单目深度估计算法对遮挡物体的深度预测效果仍有待提高。
相关技术中,可以通过进行损失函数loss的设计来提升遮挡物体的深度估计效果,但是这种方法只能通过监督信号回传来影响模型参数学习,效果比较小。
例如,针对无监督深度估计网络,比如monodepth2,采用光度重建loss(即重投影误差)来对模型进行训练,但是对于移动物体而言,会出现遮挡问题,可能导致光度重建loss的监督信号出现错误,从而影响模型的预测效果。
目前可以通过采用对图像进行掩码(mask)的方式,或者,可以通过采用重投影误差中的最小值来取代重投影误差的平均值的方式,来解决遮挡问题。
但是在实际应用时,发明人发现,上述方式对遮挡物体的深度预测效果仍有待提高。
针对上述问题,本公开提出一种模型训练方法及装置、深度预测方法及装置、设备和介质。
下面参考附图描述本公开实施例的模型训练方法及装置、深度预测方法及装置、设备和介质。
图1为本公开实施例一所提供的模型训练方法的流程示意图。
本公开实施例以该模型训练方法被配置于模型训练装置中来举例说明,该模型训练装置可以应用于任一电子设备中,以使该电子设备可以执行模型训练功能。
其中,电子设备可以为任一具有计算能力的设备,例如可以为个人电脑、移动终端、服务器等,移动终端例如可以为车载设备、手机、平板电脑、个人数字助理、穿戴式设备等具有各种操作系统、触摸屏和/或显示屏的硬件设备。
如图1所示,该模型训练方法可以包括以下步骤:
步骤101,从图像采集设备采集的多帧图像中,确定至少一帧源图像。
在本公开实施例中,图像采集设备是指用于采集图像的设备,比如可以为车载摄像头、监控摄像头等任一用于采集图像的摄像头,或者,可以为CCD(Charge CoupledDevice,电荷耦合器件)、CMOS(Complementary Metal Oxide Semiconductor,互补金属氧化物半导体)、TFT(Thin Film Transistor,薄膜晶体管)等图像传感器,或者,可以为手机、平板电脑、穿戴式设备等具有图像采集功能的设备,本公开对此并不做限制。
在本公开实施例中,源图像,可以为图像采集设备采集的多帧图像中的任意一帧图像。
在本公开实施例中,可以获取图像采集设备采集的多帧图像,并从图像采集设备采集的多帧图像中,确定至少一帧源图像。
步骤102,采用深度估计模型中的至少两预测分支,对源图像相邻的至少一目标图像进行深度预测,以及采用深度估计模型中的至少两预测分支,对各目标图像相邻和/或间隔设定帧数的邻近图像进行深度预测。
在本公开实施例中,目标图像,是指图像采集设备采集的多帧图像中,与源图像相邻的图像。比如,源图像为第4帧图像,目标图像可以为第3帧图像和/或第5帧图像。
在本公开实施例中,邻近图像可以为图像采集设备采集的多帧图像中,与目标图像相邻的图像,或者,邻近图像可以为图像采集设备采集的多帧图像中,与目标图像间隔设定帧数(比如1帧、2帧、3帧等)的图像,或者,邻近图像可以为图像采集设备采集的多帧图像中,与目标图像相邻的图像以及间隔设定帧数的图像。
在本公开实施例中,可以采用深度估计模型中的至少两个预测分支,对源图像相邻的至少一个目标图像进行深度预测,以得到每个目标图像中各像素点对应的深度值。
作为一种示例,针对每帧目标图像,可以采用各预测分支,对该目标图像中的各像素点进行深度预测,得到每个预测分支输出的目标图像中各像素点的深度值及对应的深度置信度。针对目标图像中的每个像素点,可以确定各预测分支输出的深度置信度中的最大值,将最大值对应的深度值,作为该像素点对应的深度值。
由此,通过多个预测分支,对同一像素点进行深度预测,仅采用最大置信度对应的深度值,作为相应像素点对应的深度值,可以提升预测结果的准确性。
在本公开实施例中,可以采用深度估计模型中的至少两个预测分支,对各目标图像对应的邻近图像进行深度预测,以得到每个邻近图像中各像素点对应的深度值。
作为一种示例,针对每帧邻近图像,可以采用各预测分支,对该邻近图像中的各像素点进行深度预测,得到每个预测分支输出的邻近图像中各像素点的深度值及对应的深度置信度。针对邻近图像中的每个像素点,可以确定各预测分支输出的深度置信度中的最大值,将最大值对应的深度值,作为该像素点对应的深度值。
步骤103,根据至少两预测分支对各目标图像中各像素点预测的深度值,确定将各目标图像重投影至源图像的第一重投影误差,以及根据至少两预测分支对各邻近图像中各像素点预测的深度值,确定将各邻近图像重投影至对应目标图像的第二重投影误差。
在本公开实施例中,针对每帧目标图像,可以根据至少两个预测分支对该目标图像中各像素点预测的深度值,确定将该目标图像重投影至源图像的第一重投影误差。
在本公开实施例中,针对每帧邻近图像,可以根据至少两个预测分支对该邻近图像中各像素点预测的深度值,确定该将近邻图像重投影至对应目标图像的第二重投影误差。
步骤104,根据各第一重投影误差和各第二重投影误差中的最小值对至少两预测分支中的第一预测分支进行训练,以及根据各第一重投影误差和各第二重投影误差确定均值,根据均值和最小值之间的第一差异对至少两预测分支中的第二预测分支进行训练。
在本公开实施例中,可以确定上述各第一重投影误差和各第二重投影误差中的最小值,将上述最小值作为深度估计模型中至少两个预测分支中的第一预测分支对应的损失函数,从而可以根据该第一预测分支对应的损失函数,对第一预测分支进行训练,以使上述损失函数最小化。
在本公开实施例中,可以确定上述各第一重投影误差和各第二重投影误差的均值,并确定上述均值和最小值之间的差异,本公开记为第一差异,将上述第一差异作为深度估计模型中至少两个预测分支中的第二预测分支对应的损失函数,从而可以根据该第二预测分支对应的损失函数,对第二预测分支进行训练,以使该损失函数最小化。
本公开实施例的模型训练方法,通过从图像采集设备采集的多帧图像中确定至少一帧源图像,并采用深度估计模型中的至少两预测分支,对源图像相邻的至少一目标图像进行深度预测,及采用至少两预测分支,对各目标图像相邻和/或间隔设定帧数的邻近图像进行深度预测;根据至少两预测分支对各目标图像中各像素点预测的深度值,确定将各目标图像重投影至源图像的第一重投影误差,及根据至少两预测分支对各邻近图像中各像素点预测的深度值,确定将各邻近图像重投影至对应目标图像的第二重投影误差;根据各第一重投影误差和各第二重投影误差中的最小值对至少两预测分支中的第一预测分支进行训练,以及根据各第一重投影误差和各第二重投影误差确定均值,根据均值和最小值之间的第一差异对至少两预测分支中的第二预测分支进行训练。由此,通过对深度估计模型中的各预测分支进行训练,从而采用训练后的各预测分支对图像中的各像素点进行深度预测,可以提升预测结果的准确性和可靠性。
为了清楚说明本公开上述实施例中深度估计模型中的至少两个预测分支是如何对图像中的各像素点进行深度预测的,本公开还提出一种模型训练方法。
图2为本公开实施例二所提供的模型训练方法的流程示意图。
如图2所示,该模型训练方法可以包括以下步骤:
步骤201,从图像采集设备采集的多帧图像中,确定至少一帧源图像。
步骤201的执行过程可以参见上述实施例的执行过程,在此不做赘述。
步骤202,针对与源图像相邻的每帧目标图像,采用深度估计模型中的第一预测分支,对该目标图像中的各像素点进行深度预测,得到该目标图像中各像素点的第一深度值及对应的第一深度置信度。
其中,目标图像,是指图像采集设备采集的多帧图像中,与源图像相邻的图像。
在本公开实施例中,针对每帧目标图像,可以采用深度估计模型中的第一预测分支,对该目标图像中的各像素点进行深度预测,得到该目标图像中各像素点的深度值,本公开中记为第一深度值,以及对应的深度置信度,本公开中记为第一深度置信度。
步骤203,采用深度估计模型中的第二预测分支,对该目标图像中的各像素点进行深度预测,得到该目标图像中各像素点的第二深度值及对应的第二深度置信度。
在本公开实施例中,针对每帧目标图像,可以采用深度估计模型中的第二预测分支,对该目标图像中的各像素点进行深度预测,得到该目标图像中各像素点的深度值,本公开中记为第二深度值,以及对应的深度置信度,本公开中记为第二深度置信度。
步骤204,确定该目标图像中各像素点对应的第一深度置信度和第二深度置信度中的最大值。
步骤205,将最大值对应的深度值,确定为至少两预测分支对该目标图像中相应像素点预测的深度值。
在本公开实施例中,可以确定目标图像中各像素点对应的第一深度置信度和第二深度置信度中的最大值,将上述最大值对应的深度值,作为至少两个预测分支对目标图像中相应像素点预测的深度值。
步骤206,采用深度估计模型中的至少两预测分支,对各目标图像相邻和/或间隔设定帧数的邻近图像进行深度预测。
与步骤202至205类似,针对每帧邻近图像,可以采用第一预测分支,对该邻近图像中的各像素点进行深度预测,得到该邻近图像中各像素点的第三深度值及对应的第三深度置信度;采用第二预测分支,对该邻近图像中的各像素点进行深度预测,得到该邻近图像中各像素点的第四深度值及对应的第四深度置信度;确定该邻近图像中各像素点对应的第三深度置信度和第四深度置信度中的最大值;将最大值对应的深度值,确定为至少两预测分支对该邻近图像中相应像素点预测的深度值。
步骤207,根据至少两预测分支对各目标图像中各像素点预测的深度值,确定将各目标图像重投影至源图像的第一重投影误差,以及根据至少两预测分支对各邻近图像中各像素点预测的深度值,确定将各邻近图像重投影至对应目标图像的第二重投影误差。
步骤208,根据各第一重投影误差和各第二重投影误差中的最小值对至少两预测分支中的第一预测分支进行训练,以及根据各第一重投影误差和各第二重投影误差确定均值,根据均值和最小值之间的第一差异对至少两预测分支中的第二预测分支进行训练。
步骤207至208的执行过程可以参见本公开任一实施例的执行过程,在此不做赘述。
本公开实施例的模型训练方法,通过针对与源图像相邻的每帧目标图像,采用深度估计模型中的第一预测分支,对该目标图像中的各像素点进行深度预测,得到该目标图像中各像素点的第一深度值及对应的第一深度置信度;采用深度估计模型中的第二预测分支,对该目标图像中的各像素点进行深度预测,得到该目标图像中各像素点的第二深度值及对应的第二深度置信度;确定该目标图像中各像素点对应的第一深度置信度和第二深度置信度中的最大值;将最大值对应的深度值,确定为至少两预测分支对该目标图像中相应像素点预测的深度值。由此,将深度置信度中的最大值所对应的深度值,作为模型预测得到的深度值,可以提升深度预测结果的准确性。
为了清楚说明本公开上述实施例中是如何确定一副图像重投影至另一副图像的重投影误差的,本公开还提出一种模型训练方法。
图3为本公开实施例三所提供的模型训练方法的流程示意图。
如图3所示,该模型训练方法可以包括以下步骤:
步骤301,从图像采集设备采集的多帧图像中,确定至少一帧源图像。
步骤302,采用深度估计模型中的至少两预测分支,对源图像相邻的至少一目标图像进行深度预测,以及采用深度估计模型中的至少两预测分支,对各目标图像相邻和/或间隔设定帧数的邻近图像进行深度预测。
步骤301至302的执行过程可以参见本公开任一实施例的执行过程,在此不做赘述。
步骤303,针对每帧目标图像,采用深度估计模型中的位姿预测分支进行位姿预测,以确定源图像与目标图像之间的相对位姿。
在本公开实施例中,针对每帧目标图像,可以采用深度估计模型中的位姿预测分支进行位姿预测,以确定源图像与该目标图像之间的相对位姿。例如,以深度估计模型为monodepth2进行示例,位姿预测分支可以为monodepth2中的位姿网络(Pose network),可以采用Pose network进行位姿预测,得到源图像与目标图像之间的相对位姿。
步骤304,根据相对位姿、至少两预测分支对目标图像中各像素点预测的深度值以及图像采集设备的内参,确定目标图像中各像素点重投影至源图像上时对应的重投影图像。
在本公开实施例中,针对每帧目标图像,可以根据该目标图像与源图像之间的相对位姿、至少两个预测分支对该目标图像中各像素点预测的深度值,以及图像采集设备的内参,确定该目标图像中各像素点重投影至源图像上时对应的重投影图像。
作为一种示例,标记源图像为It’,目标图像为It,图像采集设备的内参为K,源图像相对于目标图像的相对位姿为Tt→t’,则目标图像中各像素点重投影至源图像上时对应的重投影图像为:
It'→t=It'<proj(Dt,Tt→t',K)>; (1)
其中,It→t’是指重投影图像,Dt是指根据目标图像中各像素点预测的深度值确定的深度图,proj()是指利用Dt,Tt→t′和K重投影至It’的2D像素点坐标,<>是指采样算符。
步骤305,根据重投影图像和目标图像之间的第二差异,确定目标图像重投影至源图像的第一重投影误差。
在本公开实施例中,可以根据重投影图像和目标图像之间的第二差异,确定目标图像重投影至源图像的第一重投影误差。
作为一种示例,可以根据下述公式,确定目标图像为It重投影至源图像It’的第一重投影误差:
其中,Lp是指第一重投影误差,pe是指光度重建误差,比如L1范数。
步骤306,根据至少两预测分支对各邻近图像中各像素点预测的深度值,确定将各邻近图像重投影至对应目标图像的第二重投影误差。
与步骤303至305类似,针对每帧邻近图像,可以采用深度估计模型中的位姿预测分支进行位姿预测,以确定该邻近图像与对应的目标图像之间的相对位姿,根据该相对位姿、至少两预测分支对该近邻图像中各像素点预测的深度值以及图像采集设备的内参,确定该近邻图像中各像素点重投影至对应目标图像上时对应的重投影图像,从而可以根据该重投影图像和近邻图像之间的第三差异,确定该近邻图像重投影至对应目标图像的第二重投影误差。
步骤307,根据各第一重投影误差和各第二重投影误差中的最小值对至少两预测分支中的第一预测分支进行训练,以及根据各第一重投影误差和各第二重投影误差确定均值,根据均值和最小值之间的第一差异对至少两预测分支中的第二预测分支进行训练。
步骤307的执行过程可以参见本公开任一实施例的执行过程,在此不做赘述。
本公开实施例的模型训练方法,通过针对每帧目标图像,采用深度估计模型中的位姿预测分支进行位姿预测,以确定源图像与目标图像之间的相对位姿;根据相对位姿、至少两预测分支对目标图像中各像素点预测的深度值以及图像采集设备的内参,确定目标图像中各像素点重投影至源图像上时对应的重投影图像;根据重投影图像和目标图像之间的第二差异,确定目标图像重投影至源图像的第一重投影误差。由此,可以实现根据目标图像中各像素点预测的深度值,有效计算将该目标图像重投影至源图像的重投影误差。
为了清楚说明本公开任一实施例中是如何对各预测分支进行训练的,本公开还提出一种模型训练方法。
图4为本公开实施例四所提供的模型训练方法的流程示意图。
如图4所示,该模型训练方法可以包括以下步骤:
步骤401,从图像采集设备采集的多帧图像中,确定至少一帧源图像。
步骤402,采用深度估计模型中的至少两预测分支,对源图像相邻的至少一目标图像进行深度预测,以及采用深度估计模型中的至少两预测分支,对各目标图像相邻和/或间隔设定帧数的邻近图像进行深度预测。
步骤403,根据至少两预测分支对各目标图像中各像素点预测的深度值,确定将各目标图像重投影至源图像的第一重投影误差,以及根据至少两预测分支对各邻近图像中各像素点预测的深度值,确定将各邻近图像重投影至对应目标图像的第二重投影误差。
步骤401至403的执行过程可以参见本公开任一实施例的执行过程,在此不做赘述。
步骤404,确定各第一重投影误差和各第二重投影误差中的最小值。
在本公开实施例中,可以将各第一重投影误差和各第二重投影误差进行两两比对,以确定最小值。
步骤405,确定各第一重投影误差和各第二重投影误差的均值,并确定均值和最小值之间的第一差异。
在本公开实施例中,可以对各第一重投影误差和各第二重投影误差求取均值,并计算均值和上述最小值之间的差异,本公开中记为第一差异。
举例而言,假设源图像为多帧图像中的第4帧图像,则可以确定第5帧图像重投影至第4帧图像上的第一重投影误差,以及,第3帧图像重投影至第4帧图像上的第一重投影误差,还可以确定第6帧图像重投影至第5帧图像上的第二重投影误差,第4帧图像重投影至第5帧图像上的第二重投影误差,第2帧图像重投影至第3帧图像上的第二重投影误差,第4帧图像重投影至第3帧图像上的第二重投影误差,从而可以确定各第一重投影误差和各第二重投影误差的均值和最小值,并计算最小值和均值之间的差异。
步骤406,响应于第一差异小于设定阈值,根据第一差异,生成第二预测分支对应的第一损失函数。
在本公开实施例中,可以判断第一差异是否小于设定阈值,在第一差异小于设定阈值的情况下,可以确定与源图像邻近的几帧图像之间的差异较小,则可以根据该源图像与目标图像,对深度估计模型进行训练。即,可以根据该第一差异生成第二预测分支对应的损失函数,本公开中记为第一损失函数。
而在第一差异大于或者等于设定阈值的情况下,可以确定与源图像邻近的几帧图像之间的差异较大,则为了提升模型的预测效果,可以不利用该源图像对深度估计模型中的模型参数进行调整,即可以采用其他源图像,执行上述各个步骤,直至根据其他源图像对应的各第一重投影误差和各第二重投影误差,确定的最小值和均值之间的第一差异小于设定阈值的情况下,可以采用该第一差异,生成第二预测分支对应的第一损失函数,以根据该第一损失函数对第二预测分支中的模型参数进行调整。
步骤407,根据第一损失函数,对第二预测分支中的模型参数进行调整,以使第一损失函数最小化。
在本公开实施例中,可以根据第一损失函数,对第二预测分支中的模型参数进行调整,以使第一损失函数的取值最小化。
步骤408,响应于第一差异小于设定阈值,根据最小值,生成第一预测分支对应的第二损失函数。
需要说明的是,在根据多个源图像计算重投影误差时,现有的深度估计方法,是对多个源图像的重投影误差求取平均。但是这种方式可能会导致在目标图像中可见但在某些源图像中不可见的像素点出现问题。如果模型预测了一个像素点的正确深度值,那么被遮挡的源图像中的相应颜色很可能与目标图像不匹配,从而产生一个很高的光度误差。其中,这些有问题的像素点主要包括:处在图像边界的像素点,并且由于帧间运动而导致越界(跑出视图外)的像素点,以及,被遮挡的像素点。相关技术中,通过在重投影损失中对相应像素点进行掩蔽,来减小视场外像素点的影响,但这并不能处理遮挡情况,而平均重投影误差的方式,可能导致模糊的深度不连续。
因此本公开中,为了解决上述问题,可以采用最小重投影误差,来有效地减少图像边界上的缺陷,提升遮挡边界的尖锐度,从而产生更高的预测精度。即本公开中,可以根据各第一重投影误差和各第二重投影误差中的最小值,来生成第一预测分支对应的第二损失函数。
步骤409,根据第二损失函数,对第一预测分支中的模型参数进行调整,以使第二损失函数最小化。
在本公开实施例中,在第一差异大于或者等于设定阈值的情况下,可以无需对深度估计模型中的模型参数进行调整,即无需对第一预测分支和第二预测分支进行训练,而在第一差异小于设定预置的情况下,可以根据最小值,生成第一预测分支对应的第二损失函数,比如,可以将最小值作为第一预测分支对应的第二损失函数,从而可以根据第二损失函数,对第一预测分支中的模型参数进行调整,以使第二损失函数的取值最小化。
本公开实施例的模型训练方法,通过对模型参数进行调整,直至损失函数最小化,可以提升深度估计模型的预测效果。
上述为深度估计模型的训练方法所对应的各实施例,本公开还提出一种深度估计模型的应用方法,即利用深度估计模型进行深度预测的方法。
图5为本公开实施例五所提供的深度预测方法的流程示意图。
如图5所示,该深度预测方法可以包括以下步骤:
步骤501,获取待检测图像。
在本公开实施例中,待检测图像可以为在线采集的图像,比如可以通过网络爬虫技术,在线采集待检测图像,或者,待检测图像也可以为线下采集的图像,或者,待检测图像可以为实时采集的图像,或者,待检测图像也可以为人工合成的图像,等等,本公开实施例对此并不做限制。
步骤502,采用深度估计模型中的第一预测分支,对待检测图像中各像素点进行深度预测,得到待检测图像中各像素点的第一预测深度值及对应的第一预测深度置信度。
其中,深度估计模型是采用图1至图4任一实施例提出的方法训练得到的。
在本公开实施例中,可以采用深度估计模型中的第一预测分支,对获取的待检测图像中的各像素点进行深度预测,得到待检测图像中各像素点的深度值,本公开中记为第一预测深度值,以及对应的深度置信度,本公开中记为第一预测深度置信度。
步骤503,采用深度估计模型中的第二预测分支,对待检测图像中各像素点进行深度预测,得到待检测图像中各像素点的第二预测深度值及对应的第二预测深度置信度。
在本公开实施例中,可以采用深度估计模型中的第二预测分支,对待检测图像中的各像素点进行深度预测,得到待检测图像中各像素点的深度值,本公开中记为第二预测深度值,以及对应的深度置信度,本公开中记为第二预测深度置信度。
需要说明的是,本公开仅以步骤503在步骤502之后执行进行示例,但本公开并不限于此,实际应用时,步骤503还可以在步骤502之前执行,或者,步骤503还可以与步骤502并列执行。
步骤504,确定待检测图像中各像素点对应的第一预测深度置信度和第二预测深度置信度中的最大置信度,并将最大置信度对应的预测深度值,作为相应像素点对应的目标深度值。
在本公开实施例中,针对待检测图像中的每个像素点,可以确定该像素点对应的第一预测深度置信度和第二预测深度置信度中的最大置信度,将最大置信度对应的预测深度值,作为该像素点对应的目标深度值(即深度估计模型输出的最终深度值)。
本公开实施例的深度预测方法,通过采用深度估计模型中的第一预测分支,对获取的待检测图像中各像素点进行深度预测,得到待检测图像中各像素点的第一预测深度值及对应的第一预测深度置信度,并采用深度估计模型中的第二预测分支,对待检测图像中各像素点进行深度预测,得到待检测图像中各像素点的第二预测深度值及对应的第二预测深度置信度;确定待检测图像中各像素点对应的第一预测深度置信度和第二预测深度置信度中的最大置信度,并将最大置信度对应的预测深度值,作为相应像素点对应的目标深度值。由此,基于深度学习技术,识别待检测图像中的各像素点对应的深度值,可以提升识别结果的准确性。
与上述图1至图4实施例提供的模型训练方法相对应,本公开还提供一种模型训练装置,由于本公开实施例提供的模型训练装置与上述图1至图4实施例提供的模型训练方法相对应,因此在模型训练方法的实施方式也适用于本公开实施例提供的模型训练装置,在本公开实施例中不再详细描述。
图6为本公开实施例六所提供的模型训练装置的结构示意图。
如图6所示,该模型训练装置600可以包括:第一确定模块610、预测模块620、第二确定模块630以及训练模块640。
其中,第一确定模块610,用于从图像采集设备采集的多帧图像中,确定至少一帧源图像。
预测模块620,用于采用深度估计模型中的至少两预测分支,对源图像相邻的至少一目标图像进行深度预测,以及采用深度估计模型中的至少两预测分支,对各目标图像相邻和/或间隔设定帧数的邻近图像进行深度预测。
第二确定模块630,用于根据至少两预测分支对各目标图像中各像素点预测的深度值,确定将各目标图像重投影至源图像的第一重投影误差,以及根据至少两预测分支对各邻近图像中各像素点预测的深度值,确定将各邻近图像重投影至对应目标图像的第二重投影误差。
训练模块640,用于根据各第一重投影误差和各第二重投影误差中的最小值对至少两预测分支中的第一预测分支进行训练,以及根据各第一重投影误差和各第二重投影误差确定均值,根据均值和最小值之间的第一差异对至少两预测分支中的第二预测分支进行训练。
在本公开实施例的一种可能的实现方式中,预测模块,具体用于:针对每帧目标图像,采用第一预测分支,对目标图像中的各像素点进行深度预测,得到目标图像中各像素点的第一深度值及对应的第一深度置信度;采用第二预测分支,对目标图像中的各像素点进行深度预测,得到目标图像中各像素点的第二深度值及对应的第二深度置信度;确定目标图像中各像素点对应的第一深度置信度和第二深度置信度中的最大值;将最大值对应的深度值,确定为至少两预测分支对目标图像中相应像素点预测的深度值。
在本公开实施例的一种可能的实现方式中,第二确定模块,具体用于:针对每帧目标图像,采用深度估计模型中的位姿预测分支进行位姿预测,以确定源图像与目标图像之间的相对位姿;根据相对位姿、至少两预测分支对目标图像中各像素点预测的深度值以及图像采集设备的内参,确定目标图像中各像素点重投影至源图像上时对应的重投影图像;根据重投影图像和目标图像之间的第二差异,确定目标图像重投影至源图像的第一重投影误差。
在本公开实施例的一种可能的实现方式中,训练模块,具体用于:响应于第一差异小于设定阈值,根据第一差异,生成第二预测分支对应的第一损失函数;根据第一损失函数,对第二预测分支中的模型参数进行调整,以使第一损失函数最小化。
在本公开实施例的一种可能的实现方式中,训练模块,具体用于:响应于第一差异小于设定阈值,根据最小值,生成第一预测分支对应的第二损失函数;根据第二损失函数,对第一预测分支中的模型参数进行调整,以使第二损失函数最小化。
本公开实施例的模型训练装置,通过从图像采集设备采集的多帧图像中确定至少一帧源图像,并采用深度估计模型中的至少两预测分支,对源图像相邻的至少一目标图像进行深度预测,及采用至少两预测分支,对各目标图像相邻和/或间隔设定帧数的邻近图像进行深度预测;根据至少两预测分支对各目标图像中各像素点预测的深度值,确定将各目标图像重投影至源图像的第一重投影误差,及根据至少两预测分支对各邻近图像中各像素点预测的深度值,确定将各邻近图像重投影至对应目标图像的第二重投影误差;根据各第一重投影误差和各第二重投影误差中的最小值对至少两预测分支中的第一预测分支进行训练,以及根据各第一重投影误差和各第二重投影误差确定均值,根据均值和最小值之间的第一差异对至少两预测分支中的第二预测分支进行训练。由此,通过对深度估计模型中的各预测分支进行训练,从而采用训练后的各预测分支对图像中的各像素点进行深度预测,可以提升预测结果的准确性和可靠性。
与上述图5实施例提供的深度预测方法相对应,本公开还提供一种深度预测置,由于本公开实施例提供的深度预测装置与上述图5实施例提供的深度预测方法相对应,因此在深度预测方法的实施方式也适用于本公开实施例提供的深度预测装置,在本公开实施例中不再详细描述。
图7为本公开实施例七所提供的深度预测装置的结构示意图。
如图7所示,该深度预测装置700可以包括:获取模块710、预测模块720以及处理模块730。
其中,获取模块710,用于获取待检测图像。
预测模块720,用于采用深度估计模型中的第一预测分支,对待检测图像中各像素点进行深度预测,得到待检测图像中各像素点的第一预测深度值及对应的第一预测深度置信度。
其中,深度估计模型是采用前述实施例提出模型训练装置训练得到的。
预测模块720,还用于采用深度估计模型中的第二预测分支,对待检测图像中各像素点进行深度预测,得到待检测图像中各像素点的第二预测深度值及对应的第二预测深度置信度。
处理模块730,用于确定待检测图像中各像素点对应的第一预测深度置信度和第二预测深度置信度中的最大置信度,并将最大置信度对应的预测深度值,作为相应像素点对应的目标深度值。
本公开实施例的深度预测装置,通过采用深度估计模型中的第一预测分支,对获取的待检测图像中各像素点进行深度预测,得到待检测图像中各像素点的第一预测深度值及对应的第一预测深度置信度,并采用深度估计模型中的第二预测分支,对待检测图像中各像素点进行深度预测,得到待检测图像中各像素点的第二预测深度值及对应的第二预测深度置信度;确定待检测图像中各像素点对应的第一预测深度置信度和第二预测深度置信度中的最大置信度,并将最大置信度对应的预测深度值,作为相应像素点对应的目标深度值。由此,基于深度学习技术,识别待检测图像中的各像素点对应的深度值,可以提升识别结果的准确性。
为了实现上述实施例,本公开还提供一种电子设备,该电子设备可以包括至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行本公开上述任一实施例提出的模型训练方法,或者,执行本公开上述实施例提出的深度预测方法。
为了实现上述实施例,本公开还提供一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行本公开上述任一实施例提出的模型训练方法,或者,执行本公开上述实施例提出的深度预测方法。
为了实现上述实施例,本公开还提供一种计算机程序产品,该计算机程序产品包括计算机程序,计算机程序在被处理器执行时实现本公开上述任一实施例提出的模型训练方法,或者,实现本公开上述实施例提出的深度预测方法。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图8示出了可以用来实施本公开的实施例的示例电子设备的示意性框图。其中,电子设备可以包括上述实施例中的服务端、客户端。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图8所示,设备800包括计算单元801,其可以根据存储在ROM(Read-OnlyMemory,只读存储器)802中的计算机程序或者从存储单元807加载到RAM(Random AccessMemory,随机访问/存取存储器)803中的计算机程序,来执行各种适当的动作和处理。在RAM803中,还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。I/O(Input/Output,输入/输出)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805,包括:输入单元806,例如键盘、鼠标等;输出单元807,例如各种类型的显示器、扬声器等;存储单元808,例如磁盘、光盘等;以及通信单元809,例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于CPU(Central Processing Unit,中央处理单元)、GPU(Graphic Processing Units,图形处理单元)、各种专用的AI(Artificial Intelligence,人工智能)计算芯片、各种运行机器学习模型算法的计算单元、DSP(Digital SignalProcessor,数字信号处理器)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理,例如上述模型训练或深度预测方法。例如,在一些实施例中,上述模型训练或深度预测方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元808。在一些实施例中,计算机程序的部分或者全部可以经由ROM802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时,可以执行上文描述的模型训练或深度预测方法的一个或多个步骤。备选地,在其他实施例中,计算单元801可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行上述模型训练或深度预测方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、FPGA(Field Programmable Gate Array,现场可编程门阵列)、ASIC(Application-Specific Integrated Circuit,专用集成电路)、ASSP(Application Specific StandardProduct,专用标准产品)、SOC(System On Chip,芯片上系统的系统)、CPLD(ComplexProgrammable Logic Device,复杂可编程逻辑设备)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、RAM、ROM、EPROM(Electrically Programmable Read-Only-Memory,可擦除可编程只读存储器)或快闪存储器、光纤、CD-ROM(Compact Disc Read-Only Memory,便捷式紧凑盘只读存储器)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(Cathode-Ray Tube,阴极射线管)或者LCD(Liquid Crystal Display,液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:LAN(LocalArea Network,局域网)、WAN(Wide Area Network,广域网)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务(VirtualPrivate Server,虚拟专用服务器)中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
其中,需要说明的是,人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
根据本公开实施例的技术方案,通过从图像采集设备采集的多帧图像中确定至少一帧源图像,并采用深度估计模型中的至少两预测分支,对源图像相邻的至少一目标图像进行深度预测,及采用至少两预测分支,对各目标图像相邻和/或间隔设定帧数的邻近图像进行深度预测;根据至少两预测分支对各目标图像中各像素点预测的深度值,确定将各目标图像重投影至源图像的第一重投影误差,及根据至少两预测分支对各邻近图像中各像素点预测的深度值,确定将各邻近图像重投影至对应目标图像的第二重投影误差;根据各第一重投影误差和各第二重投影误差中的最小值对至少两预测分支中的第一预测分支进行训练,以及根据各第一重投影误差和各第二重投影误差确定均值,根据均值和最小值之间的第一差异对至少两预测分支中的第二预测分支进行训练。由此,通过对深度估计模型中的各预测分支进行训练,从而采用训练后的各预测分支对图像中的各像素点进行深度预测,可以提升预测结果的准确性和可靠性。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (15)
1.一种模型训练方法,所述方法包括:
从图像采集设备采集的多帧图像中,确定至少一帧源图像;
采用深度估计模型中的至少两预测分支,对所述源图像相邻的至少一目标图像进行深度预测,以及采用所述至少两预测分支,对各所述目标图像相邻和/或间隔设定帧数的邻近图像进行深度预测;
根据所述至少两预测分支对各所述目标图像中各像素点预测的深度值,确定将各所述目标图像重投影至所述源图像的第一重投影误差,以及根据所述至少两预测分支对各所述邻近图像中各像素点预测的深度值,确定将各所述邻近图像重投影至对应目标图像的第二重投影误差;
根据各所述第一重投影误差和各所述第二重投影误差中的最小值对所述至少两预测分支中的第一预测分支进行训练,以及根据各所述第一重投影误差和各所述第二重投影误差确定均值,根据所述均值和所述最小值之间的第一差异对所述至少两预测分支中的第二预测分支进行训练。
2.根据权利要求1所述的方法,其中,所述采用深度估计模型中的至少两预测分支,对所述源图像相邻的至少一目标图像进行深度预测,包括:
针对每帧所述目标图像,采用所述第一预测分支,对所述目标图像中的各像素点进行深度预测,得到所述目标图像中各像素点的第一深度值及对应的第一深度置信度;
采用所述第二预测分支,对所述目标图像中的各像素点进行深度预测,得到所述目标图像中各像素点的第二深度值及对应的第二深度置信度;
确定所述目标图像中各像素点对应的第一深度置信度和第二深度置信度中的最大值;
将所述最大值对应的深度值,确定为所述至少两预测分支对所述目标图像中相应像素点预测的深度值。
3.根据权利要求2所述的方法,其中,所述根据所述至少两预测分支对各所述目标图像中各像素点预测的深度值,确定将各所述目标图像重投影至所述源图像的第一重投影误差,包括:
针对每帧所述目标图像,采用所述深度估计模型中的位姿预测分支进行位姿预测,以确定所述源图像与所述目标图像之间的相对位姿;
根据所述相对位姿、所述至少两预测分支对所述目标图像中各像素点预测的深度值以及所述图像采集设备的内参,确定所述目标图像中各像素点重投影至所述源图像上时对应的重投影图像;
根据所述重投影图像和所述目标图像之间的第二差异,确定所述目标图像重投影至所述源图像的第一重投影误差。
4.根据权利要求1-3中任一项所述的方法,其中,所述根据所述均值和所述最小值之间的第一差异对所述至少两预测分支中的第二预测分支进行训练,包括:
响应于所述第一差异小于设定阈值,根据所述第一差异,生成所述第二预测分支对应的第一损失函数;
根据所述第一损失函数,对所述第二预测分支中的模型参数进行调整,以使所述第一损失函数最小化。
5.根据权利要求4所述的方法,其中,所述根据各所述第一重投影误差和各所述第二重投影误差中的最小值对所述至少两预测分支中的第一预测分支进行训练,包括:
响应于所述第一差异小于设定阈值,根据所述最小值,生成所述第一预测分支对应的第二损失函数;
根据所述第二损失函数,对所述第一预测分支中的模型参数进行调整,以使所述第二损失函数最小化。
6.一种深度预测方法,所述方法包括:
获取待检测图像;
采用深度估计模型中的第一预测分支,对所述待检测图像中各像素点进行深度预测,得到所述待检测图像中各像素点的第一预测深度值及对应的第一预测深度置信度;其中,所述深度估计模型是采用权利要求1至5任一所述的方法训练得到的;
采用所述深度估计模型中的第二预测分支,对所述待检测图像中各像素点进行深度预测,得到所述待检测图像中各像素点的第二预测深度值及对应的第二预测深度置信度;
确定所述待检测图像中各像素点对应的第一预测深度置信度和第二预测深度置信度中的最大置信度,并将所述最大置信度对应的预测深度值,作为相应像素点对应的目标深度值。
7.一种模型训练装置,所述装置包括:
第一确定模块,用于从图像采集设备采集的多帧图像中,确定至少一帧源图像;
预测模块,用于采用深度估计模型中的至少两预测分支,对所述源图像相邻的至少一目标图像进行深度预测,以及所述至少两预测分支,对各所述目标图像相邻和/或间隔设定帧数的邻近图像进行深度预测;
第二确定模块,用于根据所述至少两预测分支对各所述目标图像中各像素点预测的深度值,确定将各所述目标图像重投影至所述源图像的第一重投影误差,以及根据所述至少两预测分支对各所述邻近图像中各像素点预测的深度值,确定将各所述邻近图像重投影至对应目标图像的第二重投影误差;
训练模块,用于根据各所述第一重投影误差和各所述第二重投影误差中的最小值对所述至少两预测分支中的第一预测分支进行训练,以及根据各所述第一重投影误差和各所述第二重投影误差确定均值,根据所述均值和所述最小值之间的第一差异对所述至少两预测分支中的第二预测分支进行训练。
8.根据权利要求7所述的装置,其中,所述预测模块,具体用于:
针对每帧所述目标图像,采用所述第一预测分支,对所述目标图像中的各像素点进行深度预测,得到所述目标图像中各像素点的第一深度值及对应的第一深度置信度;
采用所述第二预测分支,对所述目标图像中的各像素点进行深度预测,得到所述目标图像中各像素点的第二深度值及对应的第二深度置信度;
确定所述目标图像中各像素点对应的第一深度置信度和第二深度置信度中的最大值;
将所述最大值对应的深度值,确定为所述至少两预测分支对所述目标图像中相应像素点预测的深度值。
9.根据权利要求8所述的装置,其中,所述第二确定模块,具体用于:
针对每帧所述目标图像,采用所述深度估计模型中的位姿预测分支进行位姿预测,以确定所述源图像与所述目标图像之间的相对位姿;
根据所述相对位姿、所述至少两预测分支对所述目标图像中各像素点预测的深度值以及所述图像采集设备的内参,确定所述目标图像中各像素点重投影至所述源图像上时对应的重投影图像;
根据所述重投影图像和所述目标图像之间的第二差异,确定所述目标图像重投影至所述源图像的第一重投影误差。
10.根据权利要求7-9中任一项所述的装置,其中,所述训练模块,具体用于:
响应于所述第一差异小于设定阈值,根据所述第一差异,生成所述第二预测分支对应的第一损失函数;
根据所述第一损失函数,对所述第二预测分支中的模型参数进行调整,以使所述第一损失函数最小化。
11.根据权利要求10所述的装置,其中,所述训练模块,具体用于:
响应于所述第一差异小于设定阈值,根据所述最小值,生成所述第一预测分支对应的第二损失函数;
根据所述第二损失函数,对所述第一预测分支中的模型参数进行调整,以使所述第二损失函数最小化。
12.一种深度预测装置,所述装置包括:
获取模块,用于获取待检测图像;
预测模块,用于采用深度估计模型中的第一预测分支,对所述待检测图像中各像素点进行深度预测,得到所述待检测图像中各像素点的第一预测深度值及对应的第一预测深度置信度;其中,所述深度估计模型是采用权利要求7至11任一所述的装置训练得到的;
所述预测模块,还用于采用所述深度估计模型中的第二预测分支,对所述待检测图像中各像素点进行深度预测,得到所述待检测图像中各像素点的第二预测深度值及对应的第二预测深度置信度;
处理模块,用于确定所述待检测图像中各像素点对应的第一预测深度置信度和第二预测深度置信度中的最大置信度,并将所述最大置信度对应的预测深度值,作为相应像素点对应的目标深度值。
13.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-5中任一项所述的模型训练方法,或者,执行权利要求6所述的深度预测方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行权利要求1-5中任一项所述的模型训练方法,或者,执行权利要求6所述的深度预测方法。
15.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现权利要求1-5中任一项所述模型训练方法的步骤,或
者,实现权利要求6所述深度预测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111271113.1A CN114037087B (zh) | 2021-10-29 | 2021-10-29 | 模型训练方法及装置、深度预测方法及装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111271113.1A CN114037087B (zh) | 2021-10-29 | 2021-10-29 | 模型训练方法及装置、深度预测方法及装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114037087A CN114037087A (zh) | 2022-02-11 |
CN114037087B true CN114037087B (zh) | 2024-02-09 |
Family
ID=80135793
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111271113.1A Active CN114037087B (zh) | 2021-10-29 | 2021-10-29 | 模型训练方法及装置、深度预测方法及装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114037087B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114549612A (zh) * | 2022-02-25 | 2022-05-27 | 北京百度网讯科技有限公司 | 模型训练和图像处理方法、装置、设备及存储介质 |
CN115861400B (zh) * | 2023-02-15 | 2023-05-12 | 北京百度网讯科技有限公司 | 目标对象检测方法、训练方法、装置以及电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112241976A (zh) * | 2019-07-19 | 2021-01-19 | 杭州海康威视数字技术股份有限公司 | 一种训练模型的方法及装置 |
CN112561978A (zh) * | 2020-12-18 | 2021-03-26 | 北京百度网讯科技有限公司 | 深度估计网络的训练方法、图像的深度估计方法、设备 |
CN112862877A (zh) * | 2021-04-09 | 2021-05-28 | 北京百度网讯科技有限公司 | 用于训练图像处理网络和图像处理的方法和装置 |
CN112927279A (zh) * | 2021-02-24 | 2021-06-08 | 中国科学院微电子研究所 | 一种图像深度信息生成方法、设备及存储介质 |
CN113140011A (zh) * | 2021-05-18 | 2021-07-20 | 烟台艾睿光电科技有限公司 | 一种红外热成像单目视觉测距方法及相关组件 |
CN113379813A (zh) * | 2021-06-08 | 2021-09-10 | 北京百度网讯科技有限公司 | 深度估计模型的训练方法、装置、电子设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11044462B2 (en) * | 2019-05-02 | 2021-06-22 | Niantic, Inc. | Self-supervised training of a depth estimation model using depth hints |
-
2021
- 2021-10-29 CN CN202111271113.1A patent/CN114037087B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112241976A (zh) * | 2019-07-19 | 2021-01-19 | 杭州海康威视数字技术股份有限公司 | 一种训练模型的方法及装置 |
CN112561978A (zh) * | 2020-12-18 | 2021-03-26 | 北京百度网讯科技有限公司 | 深度估计网络的训练方法、图像的深度估计方法、设备 |
CN112927279A (zh) * | 2021-02-24 | 2021-06-08 | 中国科学院微电子研究所 | 一种图像深度信息生成方法、设备及存储介质 |
CN112862877A (zh) * | 2021-04-09 | 2021-05-28 | 北京百度网讯科技有限公司 | 用于训练图像处理网络和图像处理的方法和装置 |
CN113140011A (zh) * | 2021-05-18 | 2021-07-20 | 烟台艾睿光电科技有限公司 | 一种红外热成像单目视觉测距方法及相关组件 |
CN113379813A (zh) * | 2021-06-08 | 2021-09-10 | 北京百度网讯科技有限公司 | 深度估计模型的训练方法、装置、电子设备及存储介质 |
Non-Patent Citations (3)
Title |
---|
单目深度估计技术进展综述;黄军;王聪;刘越;毕天腾;;中国图象图形学报;20191216(第12期);全文 * |
融合扩张卷积网络与SLAM的无监督单目深度估计;戴仁月;方志军;高永彬;;激光与光电子学进展;20201231(第06期);全文 * |
面向无人机自主飞行的无监督单目视觉深度估计;赵栓峰;黄涛;许倩;耿龙龙;;激光与光电子学进展;20201231(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114037087A (zh) | 2022-02-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7106665B2 (ja) | 単眼深度推定方法およびその装置、機器ならびに記憶媒体 | |
WO2020199931A1 (zh) | 人脸关键点检测方法及装置、存储介质和电子设备 | |
CN112149636B (zh) | 用于检测目标物体的方法、装置、电子设备及存储介质 | |
US9536321B2 (en) | Apparatus and method for foreground object segmentation | |
CN114037087B (zh) | 模型训练方法及装置、深度预测方法及装置、设备和介质 | |
CN112862877B (zh) | 用于训练图像处理网络和图像处理的方法和装置 | |
CN112560684B (zh) | 车道线检测方法、装置、电子设备、存储介质以及车辆 | |
WO2020233397A1 (zh) | 在视频中对目标进行检测的方法、装置、计算设备和存储介质 | |
WO2021013049A1 (zh) | 前景图像获取方法、前景图像获取装置和电子设备 | |
CN112270745B (zh) | 一种图像生成方法、装置、设备以及存储介质 | |
CN112509003B (zh) | 解决目标跟踪框漂移的方法及系统 | |
CN110874853A (zh) | 目标运动的确定方法、装置、设备及存储介质 | |
CN108615241B (zh) | 一种基于光流的快速人体姿态估计方法 | |
CN112528927A (zh) | 基于轨迹分析的置信度确定方法、路侧设备及云控平台 | |
CN112597895A (zh) | 基于偏移量检测的置信度确定方法、路侧设备及云控平台 | |
CN108229281B (zh) | 神经网络的生成方法和人脸检测方法、装置及电子设备 | |
CN115049954A (zh) | 目标识别方法、装置、电子设备和介质 | |
CN113902932A (zh) | 特征提取方法、视觉定位方法及装置、介质和电子设备 | |
JP7258101B2 (ja) | 画像の手ぶれ補正方法、装置、電子機器、記憶媒体、コンピュータプログラム製品、路側機およびクラウド制御プラットフォーム | |
CN115018730A (zh) | 一种图像条纹噪声的去除方法、装置、设备及介质 | |
CN114066980A (zh) | 对象检测方法、装置、电子设备及自动驾驶车辆 | |
CN114140320A (zh) | 图像迁移方法和图像迁移模型的训练方法、装置 | |
CN112561995A (zh) | 一种实时高效的6d姿态估计网络、构建方法及估计方法 | |
CN112767446A (zh) | 一种提高红外图像跟踪的目标跟踪准确率的图像跟踪系统 | |
CN112085002A (zh) | 人像分割方法、装置、存储介质及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |