CN114549612A - 模型训练和图像处理方法、装置、设备及存储介质 - Google Patents
模型训练和图像处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114549612A CN114549612A CN202210178651.4A CN202210178651A CN114549612A CN 114549612 A CN114549612 A CN 114549612A CN 202210178651 A CN202210178651 A CN 202210178651A CN 114549612 A CN114549612 A CN 114549612A
- Authority
- CN
- China
- Prior art keywords
- image frame
- image
- estimation model
- depth
- reconstruction
- 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.)
- Pending
Links
- 238000012549 training Methods 0.000 title claims abstract description 92
- 238000003672 processing method Methods 0.000 title claims abstract description 20
- 230000009466 transformation Effects 0.000 claims abstract description 69
- 238000000034 method Methods 0.000 claims description 39
- 238000012545 processing Methods 0.000 claims description 20
- 230000004927 fusion Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 9
- 239000000126 substance Substances 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 14
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 238000013135 deep learning Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 238000006073 displacement reaction Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种模型训练和图像处理方法、装置、设备及存储介质,涉及人工智能技术领域,具体涉及计算机视觉、3D视觉和深度学习技术。具体实现方案为:将单目视频中相邻两图像帧输入至位姿估计模型,得到所述相邻两图像帧中第一图像帧到第二图像帧的位姿变换信息,以及将所述第一图像帧输入至深度估计模型,得到所述第一图像帧的深度图;根据相机内参、所述位姿变换信息和所述深度图,以及所述第一图像帧中像素点的像素特征和描述特征,构建所述第二图像帧的重构图;所述描述特征包括全局描述特征和/或局部描述特征;根据所述第二图像帧和所述重构图,对所述位姿估计模型和所述深度估计模型进行联合训练。上述技术方案可提高模型的训练精度。
Description
技术领域
本公开涉及人工智能技术领域,尤其涉及计算机视觉、3D视觉和深度学习技术,具有涉及一种模型训练和图像处理方法、装置、设备及存储介质。
背景技术
在各类3D视觉参与的任务,如增强现实以及自动驾驶等任务中,精准确定拍摄视频图像帧的深度图是十分重要的一环。然而,现有的确定深度图的深度估计模型准确性较低,亟需改进。
发明内容
本公开提供了一种模型训练和图像处理方法、装置、设备及存储介质。
根据本公开的一方面,提供了一种模型训练方法,该方法包括:
将单目视频中相邻两图像帧输入至位姿估计模型,得到所述相邻两图像帧中第一图像帧到第二图像帧的位姿变换信息,以及将所述第一图像帧输入至深度估计模型,得到所述第一图像帧的深度图;
根据相机内参、所述位姿变换信息和所述深度图,以及所述第一图像帧中像素点的像素特征和描述特征,构建所述第二图像帧的重构图;其中,所述描述特征包括全局描述特征和/或局部描述特征;
根据所述第二图像帧和所述重构图,对所述位姿估计模型和所述深度估计模型进行联合训练。
根据本公开的又一方面,提供了一种图像处理方法,该方法包括:
获取目标图像帧;
将所述目标图像帧输入至训练后的深度估计模型,得到所述目标图像帧的深度图;
其中,所述深度估计模型是通过本公开任一实施例所提供的模型训练方法训练得到。
根据本公开的另一方面,提供了一种电子设备,该电子设备包括:
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任一实施例所述的模型训练方法和/或图像处理方法。
根据本公开的另一方面,提供了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计算机执行本公开任一实施例所述的模型训练方法和/或图像处理方法。
根据本公开的技术,能够提高深度估计模型的训练精度,进而可提高深度图的确定准确度。
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是根据本公开实施例提供的一种模型训练方法的流程图;
图2是根据本公开实施例提供的另一种模型训练方法的流程图;
图3是根据本公开实施例提供的又一种模型训练方法的流程图;
图4是根据本公开实施例提供的一种图像处理方法的流程图;
图5是根据本公开实施例提供的一种模型训练装置的结构示意图;
图6是根据本公开实施例提供的一种图像处理装置的结构示意图;
图7是用来实现本公开实施例的模型训练和/或图像处理方法的电子设备的框图。
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。
图1是根据本公开实施例提供的一种模型训练方法的流程图。本公开实施例可适用于如何对模型进行训练的情况,尤其适用于如何对深度估计模型进行训练的情况。该方法可以由模型训练装置来执行,该装置可以采用软件和/或硬件的方式实现,并可集成于承载模型训练功能的电子设备中。如图1所示,本实施例的模型训练方法可以包括:
S101,将单目视频中相邻两图像帧输入至位姿估计模型,得到相邻两图像帧中第一图像帧到第二图像帧的位姿变换信息,以及将第一图像帧输入至深度估计模型,得到第一图像帧的深度图。
本实施例中,相邻两图像帧为单目视频中相邻的两帧图像,即第一图像帧和第二图像帧。例如,若第一帧图像帧为单目视频中的当前帧即第n帧,则第二帧图像帧可以为单目视频中的上一帧即第n-1帧;若第一帧图像帧为单目视频中的下一帧即第n+1帧,则第二帧图像帧可以为单目视频中的当前帧即第n帧等。
所谓位姿变换信息包括旋转信息和位移信息;进一步的,旋转信息和位移信息均可以采用矩阵的形式来表示,即旋转矩阵和位移矩阵。所谓深度图为第一帧图像帧中各个像素点经过深度估计模型处理后得到的对应的深度值所组成的图。
具体的,将单目视频中相邻两图像帧输入至位姿估计模型中,经过位姿估计模型处理,得到相邻两图像帧中第一图像帧到第二图像帧的位姿变换信息,并将第一图像帧输入至深度估计模型,经过深度估计模型处理,可得到第一图像帧的深度图。
S102,根据相机内参、位姿变换信息和深度图,以及第一图像帧中像素点的像素特征和描述特征,构建第二图像帧的重构图。
本实施例中,像素特征可以包括像素点的颜色或亮度特征。描述特征包括全局描述特征和/或局部描述特征;其中,全局描述特征为从整体上反应图像像素点的特征;局部描述特征为从图像局部区域提取的特征,即从局部反应图像像素点的特征。
可选的,可以采用全局描述子模型,来确定第一帧图像中像素点的全局描述特征;其中,全局描述子模型可以是卷积自编码器或者变分自编码器。可以采用局部描述子模型,来确定第一帧图像中像素点的局部描述特征;其中,局部描述子模型可以是R2D2或superpoint。
一种可选方式,可以将第一图像帧中像素点的像素特征和描述特征进行融合,进而根据融合后的特征,以及相机内参、位姿变换信息和深度图,构建第二图像帧的重构图。
又一种可选方式,还可以基于重构图确定模型,根据相机内参、位姿变换信息和深度图,以及第一图像帧中像素点的像素特征和描述特征,构建第二图像帧的重构图。
S103,根据第二图像帧和重构图,对位姿估计模型和深度估计模型进行联合训练。
一种可选方式,可以计算第二图像帧与重构图之间的相似度,进而根据相似度,对位姿估计模型和深度估计模型进行联合训练,不断优化位姿估计模型和深度估计模型中的网络参数,以得到最终的深度估计模型。
可选的,本实施例中可基于多组相邻两图像帧,对位姿估计模型和深度估计模型进行多次迭代的联合训练,直至相似度收敛,则停止对位姿估计模型和深度估计模型中参数得调整,得到最终的深度估计模型。
本实施例提供的技术方案,通过将单目视频中相邻两图像帧输入至位姿估计模型,得到相邻两图像帧中第一图像帧到第二图像帧的位姿变换信息,以及将第一图像帧输入至深度估计模型,得到第一图像帧的深度图,之后根据相机内参、位姿变换信息和深度图,以及第一图像帧中像素点的像素特征和描述特征,构建第二图像帧的重构图;其中,描述特征包括全局描述特征和/或局部描述特征,进而根据第二图像帧和重构图,对位姿估计模型和深度估计模型进行联合训练。上述技术方案,结合像素特征和描述特征,来构建重构图,使得所构建的重构图更加精准,从而提高了模型训练的精准度。
在上述实施例的基础上,作为本公开的一种可选方式,在将单目视频中相邻两图像帧输入至位姿估计模型,得到相邻两图像帧中第一图像帧到第二图像帧的位姿变换信息,以及将第一图像帧输入至深度估计模型,得到第一图像帧的深度图之前,还可以对原始视频中的移动物体进行删除,得到单目视频。
其中,原始视频为未经过处理的视频,也即单目相机拍摄的视频。
具体的,可以基于物体识别模型,确定原始视频中的移动物体,进而将移动物体从原始视频中扣除,得到单目视频。
可以理解的是,对原始图像中的移动物体进行删除,可以避免移动物体对模型的干扰,提高模型训练的准确性。
图2是根据本公开实施例提供的另一种模型训练方法的流程图。在上述实施例的基础上,对“根据相机内参、位姿变换信息和深度图,以及第一图像帧中像素点的像素特征和描述特征,构建第二图像帧的重构图”进一步优化,提供一种可选实施方案。如图2所示,本实施例提供的模型训练方法可以包括:
S201,将单目视频中相邻两图像帧输入至位姿估计模型,得到相邻两图像帧中第一图像帧到第二图像帧的位姿变换信息,以及将第一图像帧输入至深度估计模型,得到第一图像帧的深度图。
S202,根据相机内参、位姿变换信息和深度图,以及第一图像帧中像素点的像素特征,构建第二图像帧的第一重构图。
可选的,对于第一图像帧中的每一像素点,可以根据相机内参、位姿变换信息、以及该像素点的像素特征和该像素点对应的深度图中的深度值,确定该像素点对应的第二图像帧的第一重构图中的像素点。例如,可以通过如下公式确定第一重构图中的像素点:
[u′,v′,1]T=K(Zn+1(u,v)*RK-1[u,v,1]T+t)
其中,像素点[u′,v′]T为第一重构图中的像素点,[u,v]T为第一图像帧中的像素点,K为相机内参,Zn+1(u,v)为像素点[u,v]T在第一图像帧In+1中的深度值,R为位姿变换信息中的旋转矩阵,t为位姿变换信息中的位移矩阵。
基于上述操作,可得到第一重构图。
S203,根据相机内参、位姿变换信息和深度图,以及第一图像帧中像素点的描述特征,构建第二图像帧的第二重构图。
一种可选方式,可以根据相机内参、位姿变换信息和深度图,以及第一图像帧中像素点的全局描述特征,构建第二重构图中的第一子图。
具体的,对于第一图像帧中的每一像素点,可以根据相机内参、位姿变换信息、以及该像素点的全局描述特征和该像素点对应的深度图中的深度值,确定该像素点对应的第一子图中的像素点;基于此可得到第一子图。
另一种可选方式,还可以根据相机内参、位姿变换信息和深度图,以及第一图像帧中像素点的局部描述特征,构建第二重构图中的第二子图。
具体的,对于第一图像帧中的每一像素点,可以根据相机内参、位姿变换信息、以及该像素点的局部描述特征和该像素点对应的深度图中的深度值,确定该像素点对应的第二子图中的像素点;基于此可得到第二子图。
可以理解的是,引入全局描述特征,可以弥补平滑区域导致的像素差异失效的问题,引入局部描述特征,可以弥补颜色和亮度变化导致的像素差异不准确的问题,从而使得第二图像帧的重构图更加准确。
又一种可选方式,还可以根据场景信息,确定描述特征的类别,进而根据确定的第一图像帧中像素点的描述特征,以及相机内参、位姿变换信息和深度图,构建第二图像帧的第二重构图。
例如,若场景信息为室外,则确定描述特征为全局描述特征,进而根据相机内参、位姿变换信息和深度图,以及第一图像帧中像素点的全局描述特征,构建第二重构图中的第一子图。
又如,若场景信息为室内,则确定描述特征为局部描述特征,进而根据相机内参、位姿变换信息和深度图,以及第一图像帧中像素点的局部描述特征,构建第二重构图中的第二子图。
S204,根据第二图像帧和重构图,对位姿估计模型和深度估计模型进行联合训练。
本实施例提供的技术方案,通过将单目视频中相邻两图像帧输入至位姿估计模型,得到相邻两图像帧中第一图像帧到第二图像帧的位姿变换信息,以及将第一图像帧输入至深度估计模型,得到第一图像帧的深度图,之后根据相机内参、位姿变换信息和深度图,以及第一图像帧中像素点的像素特征,构建第二图像帧的第一重构图,并根据相机内参、位姿变换信息和深度图,以及第一图像帧中像素点的描述特征,构建第二图像帧的第二重构图,进而根据第二图像帧和重构图,对位姿估计模型和深度估计模型进行联合训练。上述技术方案,引入全局描述特征和局部描述特征,提高了重构图构建的准确度,从而提高了模型训练的准确度。
在上述实施例的基础上,作为本公开的一种可选方式,根据相机内参、位姿变换信息和深度图,以及第一图像帧中像素点的描述特征,构建第二图像帧的第二重构图还可以是,根据相机内参、位姿变换信息和深度图,以及第一图像帧中像素点的全局描述特征,构建第二重构图中的第一子图;并根据相机内参、位姿变换信息和深度图,以及第一图像帧中像素点的局部描述特征,构建第二重构图中的第二子图。
进一步的,作为本公开实施例的又一种可选方式,根据相机内参、位姿变换信息和深度图,以及第一图像帧中像素点的描述特征,构建第二图像帧的第二重构图还可以是,对第一图像帧中像素点的全局描述特征和局部描述特征进行融合,得到融合特征;根据相机内参、位姿变换信息和深度图,以及融合特征,构建第二图像帧的第二重构图。
一种可选方式,若全局描述特征和局部描述特征的维度相同,则可以将全局描述特征和局部描述特征进行相加,得到融合特征,进而根据相机内参、位姿变换信息和深度图,以及融合特征,构建第二图像帧的第二重构图。
另一种可选方式,若全局描述特征和局部描述特征的维度不相同,则可以将全局描述特征和局部描述特征进行拼接,得到融合特征,进而根据相机内参、位姿变换信息和深度图,以及融合特征,构建第二图像帧的第二重构图。
又一种可选方式,可以根据应用场景,为全局描述特征和局部描述特征分配权重,而后根据权重,对全局描述特征和局部描述特征进行融合,得到融合特征,进而根据相机内参、位姿变换信息和深度图,以及融合特征,构建第二图像帧的第二重构图。
具体的,根据应用场景信息,确定全局描述特征的第一权值和局部描述特征的第二权值;根据相机内参、位姿变换信息和深度图,以及全局描述特征、局部描述特征、第一权值和第二权值,构建第二图像帧的第二重构图。
可以理解的是,对全局描述特征和局部描述特征进行融合,来确定第二重构图,可以进一步提高第二重构图的构建精准度,从而提高模型的训练准确度。
图3是根据本公开实施例提供的又一种模型训练方法的流程图。在上述实施例的基础上,对“根据第二图像帧和重构图,对位姿估计模型和深度估计模型进行联合训练”进一步优化,提供一种可选实施方案。如图3所示,本实施例提供的模型训练方法可以包括:
S301,将单目视频中相邻两图像帧输入至位姿估计模型,得到相邻两图像帧中第一图像帧到第二图像帧的位姿变换信息,以及将第一图像帧输入至深度估计模型,得到第一图像帧的深度图。
S302,根据相机内参、位姿变换信息和深度图,以及第一图像帧中像素点的像素特征和描述特征,构建第二图像帧的重构图。
本实施例中,描述特征包括全局描述特征和/或局部描述特征。第二图像帧的重构图包括第一重构图和第二重构图,第二重构图包括第一子图和/或第二子图。需要说明的是,第一重构图、第二重构图、第一子图、以及第二子图的构建方式,根据上述实施例的方式确定,此处不再赘述。
S303,根据应用场景信息,对第二图像帧和第一子图之间的第二相似度差异,以及第二图像帧和第二子图之间的第三相似度差异进行更新。
本实施例中,相似度差异可以采用一范数(L1)、二范数(L2)或者结构相似性(SSIM)等损失函数来计算。可选的,两帧图像的相似度越高,相似度差异越小。
具体的,计算第二图像帧和第一子图之间的第二相似度差异,并计算第二图像帧和第二子图之间的第三相似度差异,之后根据应用场景信息,为第二相似度差异和第三相似度差异分配权值,进而根据权值,对第二相似度差异和第三相似度差异进行更新。例如根据应用场景信息分别为第二相似度差异分配第三权值,第三相似度差异分配四第权值,进而对第二相似度差异和第三权值做乘积,得到更新后的第二相似度差异,对第三相似度差异和第四权值做乘积,得到更新后的第三相似度差异。
S304,根据第二图像帧和第一重构图之间的第一相似度差异,更新后的第二相似度差异,以及更新后的第三相似度差异,确定训练损失。
具体的,计算第二图像帧和第一重构图之间的第一相似度差异,进而根据第一相似度差异、更新后的第二相似度差异,以及更新后的第三相似度差异,确定训练损失。
一种可选方式,可以将第一相似度差异、更新后的第二相似度差异,以及更新后的第三相似度差异进行相加,将相加后的结果作为训练损失。
S305,采用训练损失,对位姿估计模型和深度估计模型进行联合训练。
具体的,可以采用训练损失,对位姿估计模型和深度估计模型进行联合训练,不断优化位姿估计模型和深度估计模型中的网络参数,直到达到预设的训练停止条件,则停止优化位姿估计模型和深度估计模型中的网络参数,得到经过训练的位姿估计模型和深度估计模型。其中,训练停止条件可以包括训练次数达到预设次数,或者训练损失收敛等。
本实施例提供的技术方案,通过将单目视频中相邻两图像帧输入至位姿估计模型,得到相邻两图像帧中第一图像帧到第二图像帧的位姿变换信息,以及将第一图像帧输入至深度估计模型,得到第一图像帧的深度图,之后根据相机内参、位姿变换信息和深度图,以及第一图像帧中像素点的像素特征和描述特征,构建第二图像帧的重构图;其中,描述特征包括全局描述特征和/或局部描述特征,进而,根据应用场景信息,对第二图像帧和第一子图之间的第二相似度差异,以及第二图像帧和第二子图之间的第三相似度差异进行更新,并根据第二图像帧和第一重构图之间的第一相似度差异,更新后的第二相似度差异,以及更新后的第三相似度差异,确定训练损失,采用训练损失,对位姿估计模型和深度估计模型进行联合训练。上述技术方案,利用全局描述特征的相似度差异来确定训练损失,能够有效避免平滑区域导致的损失函数评价失效;同时利用局部描述特征的相似度差异,来确定训练损失,避免了颜色和亮度带来的影响,使得损失函数更加鲁棒,极大地提高了深度估计模型训练的准确度。
图4是根据本公开实施例提供的一种图像处理方法的流程图。本公开实施例可适用于如何对图像进行处理的情况,尤其适用于如何对图像的深度图进行确定的情况。该方法可以由图像处理装置实现,该装置可以由软件和/或硬件的方式实现,并可集成于承载图像处理功能的电子设备中。如图4所示,本实施例提供的图像处理方法可以包括:
S401,获取目标图像帧。
本实施例中,目标图像帧为需要进行深度图确定的图像帧。
具体的,可以实时获取目标图像帧。例如可以从目标单目视频中获取目标图像帧。
S402,将目标图像帧输入至训练后的深度估计模型,得到目标图像帧的深度图。
具体的,将目标图像帧输入至训练后的深度估计模型,经过深度估计模型处理,得到目标图像帧的深度图。
其中,深度估计模型是通过上述任一实施例所提供的模型训练方法训练得到。
本实施例提供的技术方案,通过获取目标图像帧,进而将目标图像帧输入至训练后的深度估计模型,得到目标图像帧的深度图。上述技术方案,可以提高深度图的确定的准确度。
图5是根据本公开实施例提供的一种模型训练装置的结构示意图。本公开实施例可适用于如何对模型进行训练的情况,尤其适用于如何对深度估计模型进行训练的情况。该装置可以采用软件和/或硬件的方式实现,并可集成于承载模型训练功能的电子设备中。如图5所示,本实施例的模型训练装置500可以包括:
位姿深度信息确定模块501,用于将单目视频中相邻两图像帧输入至位姿估计模型,得到相邻两图像帧中第一图像帧到第二图像帧的位姿变换信息,以及将第一图像帧输入至深度估计模型,得到第一图像帧的深度图;
重构图确定模块502,用于根据相机内参、位姿变换信息和深度图,以及第一图像帧中像素点的像素特征和描述特征,构建第二图像帧的重构图;其中,描述特征包括全局描述特征和/或局部描述特征;
联合训练模块503,用于根据第二图像帧和重构图,对位姿估计模型和深度估计模型进行联合训练。
本实施例提供的技术方案,通过将单目视频中相邻两图像帧输入至位姿估计模型,得到相邻两图像帧中第一图像帧到第二图像帧的位姿变换信息,以及将第一图像帧输入至深度估计模型,得到第一图像帧的深度图,之后根据相机内参、位姿变换信息和深度图,以及第一图像帧中像素点的像素特征和描述特征,构建第二图像帧的重构图;其中,描述特征包括全局描述特征和/或局部描述特征,进而根据第二图像帧和重构图,对位姿估计模型和深度估计模型进行联合训练。上述技术方案,结合像素特征和描述特征,来构建重构图,使得所构建的重构图更加精准,从而提高了模型训练的精准度。
进一步地,重构图确定模块502包括:
第一重构图确定单元,用于根据相机内参、位姿变换信息和深度图,以及第一图像帧中像素点的像素特征,构建第二图像帧的第一重构图;
第二重构图确定单元,用于根据相机内参、位姿变换信息和深度图,以及第一图像帧中像素点的描述特征,构建第二图像帧的第二重构图。
进一步地,第二重构图确定单元具体用于:
根据相机内参、位姿变换信息和深度图,以及第一图像帧中像素点的全局描述特征,构建第二重构图中的第一子图;和/或,
根据相机内参、位姿变换信息和深度图,以及第一图像帧中像素点的局部描述特征,构建第二重构图中的第二子图。
进一步地,第二重构图确定单元还具体用于:
对第一图像帧中像素点的全局描述特征和局部描述特征进行融合,得到融合特征;
根据相机内参、位姿变换信息和深度图,以及融合特征,构建第二图像帧的第二重构图。
进一步地,联合训练模块503具体用于:
根据应用场景信息,对第二图像帧和第一子图之间的第二相似度差异,以及第二图像帧和第二子图之间的第三相似度差异进行更新;
根据第二图像帧和第一重构图之间的第一相似度差异,更新后的第二相似度差异,以及更新后的第三相似度差异,确定训练损失;
采用训练损失,对位姿估计模型和深度估计模型进行联合训练。
进一步地,该装置还包括:
单目视频确定模块,用于对原始视频中的移动物体进行删除,得到单目视频。
图6是根据本公开实施例提供的一种图像处理装置的结构示意图。本公开实施例可适用于如何对图像进行处理的情况,尤其适用于如何对图像的深度图进行确定的情况。该装置可以由软件和/或硬件的方式实现,并可集成于承载图像处理功能的电子设备中。如图4所示,本实施例的图像处理装置600可以包括:
目标图像帧获取模块601,用于获取目标图像帧;
深度图确定模块602,用于将目标图像帧输入至训练后的深度估计模型,得到目标图像帧的深度图;
其中,深度估计模型是通过上述任一实施例所提供的模型训练方法训练得到。
本实施例提供的技术方案,通过获取目标图像帧,进而将目标图像帧输入至训练后的深度估计模型,得到目标图像帧的深度图。上述技术方案,可以提高深度图的确定的准确度。
本公开的技术方案中,所涉及的单目视频、以及目标图像帧等的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
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7是用来实现本公开实施例的模型训练和图像处理方法的电子设备700的框图。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7所示,电子设备700包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在RAM 703中,还可存储电子设备700操作所需的各种程序和数据。计算单元701、ROM702以及RAM 703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。
电子设备700中的多个部件连接至I/O接口705,包括:输入单元706,例如键盘、鼠标等;输出单元707,例如各种类型的显示器、扬声器等;存储单元708,例如磁盘、光盘等;以及通信单元709,例如网卡、调制解调器、无线通信收发机等。通信单元709允许电子设备700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701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701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理,例如模型训练和/或图像处理方法。例如,在一些实施例中,模型训练和/或图像处理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708。在一些实施例中,计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到电子设备700上。当计算机程序加载到RAM 703并由计算单元701执行时,可以执行上文描述的模型训练和/或图像处理方法的一个或多个步骤。备选地,在其他实施例中,计算单元701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行模型训练和/或图像处理方法。
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、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、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、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、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(阴极射线管)或者LCD(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:局域网(LAN)、广域网(WAN)和互联网。
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,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。
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、自然语言处理技术及机器学习/深度学习技术、大数据处理技术、知识图谱技术等几大方向。
云计算(cloud computing),指的是通过网络接入弹性可扩展的共享物理或虚拟资源池,资源可以包括服务器、操作系统、网络、软件、应用和存储设备等,并可以按需、自服务的方式对资源进行部署和管理的技术体系。通过云计算技术,可以为人工智能、区块链等技术应用、模型训练提供高效强大的数据处理能力。
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,本发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 (17)
1.一种模型训练方法,包括:
将单目视频中相邻两图像帧输入至位姿估计模型,得到所述相邻两图像帧中第一图像帧到第二图像帧的位姿变换信息,以及将所述第一图像帧输入至深度估计模型,得到所述第一图像帧的深度图;
根据相机内参、所述位姿变换信息和所述深度图,以及所述第一图像帧中像素点的像素特征和描述特征,构建所述第二图像帧的重构图;其中,所述描述特征包括全局描述特征和/或局部描述特征;
根据所述第二图像帧和所述重构图,对所述位姿估计模型和所述深度估计模型进行联合训练。
2.根据权利要求1所述的方法,其中,所述根据相机内参、所述位姿变换信息和所述深度图,以及所述第一图像帧中像素点的像素特征和描述特征,构建所述第二图像帧的重构图,包括:
根据相机内参、所述位姿变换信息和所述深度图,以及所述第一图像帧中像素点的像素特征,构建所述第二图像帧的第一重构图;
根据相机内参、所述位姿变换信息和所述深度图,以及所述第一图像帧中像素点的描述特征,构建所述第二图像帧的第二重构图。
3.根据权利要求2所述的方法,其中,所述根据相机内参、所述位姿变换信息和所述深度图,以及所述第一图像帧中像素点的描述特征,构建所述第二图像帧的第二重构图,包括:
根据相机内参、所述位姿变换信息和所述深度图,以及所述第一图像帧中像素点的全局描述特征,构建所述第二重构图中的第一子图;和/或,
根据相机内参、所述位姿变换信息和所述深度图,以及所述第一图像帧中像素点的局部描述特征,构建所述第二重构图中的第二子图。
4.根据权利要求2所述的方法,其中,所述根据相机内参、所述位姿变换信息和所述深度图,以及所述第一图像帧中像素点的描述特征,构建所述第二图像帧的第二重构图,包括:
对所述第一图像帧中像素点的全局描述特征和所述局部描述特征进行融合,得到融合特征;
根据相机内参、所述位姿变换信息和所述深度图,以及融合特征,构建所述第二图像帧的第二重构图。
5.根据权利要求3所述的方法,其中,所述根据所述第二图像帧和所述重构图,对所述位姿估计模型和所述深度估计模型进行联合训练,包括:
根据应用场景信息,对所述第二图像帧和所述第一子图之间的第二相似度差异,以及第二图像帧和所述第二子图之间的第三相似度差异进行更新;
根据所述第二图像帧和所述第一重构图之间的第一相似度差异,更新后的第二相似度差异,以及更新后的第三相似度差异,确定训练损失;
采用所述训练损失,对所述位姿估计模型和所述深度估计模型进行联合训练。
6.根据权利要求1所述的方法,还包括:
对原始视频中的移动物体进行删除,得到所述单目视频。
7.一种图像处理方法,包括:
获取目标图像帧;
将所述目标图像帧输入至训练后的深度估计模型,得到所述目标图像帧的深度图;
其中,所述深度估计模型是通过权利要求1-6中任一所述的模型训练方法训练得到。
8.一种模型训练装置,包括:
位姿深度信息确定模块,用于将单目视频中相邻两图像帧输入至位姿估计模型,得到所述相邻两图像帧中第一图像帧到第二图像帧的位姿变换信息,以及将所述第一图像帧输入至深度估计模型,得到所述第一图像帧的深度图;
重构图确定模块,用于根据相机内参、所述位姿变换信息和所述深度图,以及所述第一图像帧中像素点的像素特征和描述特征,构建所述第二图像帧的重构图;其中,所述描述特征包括全局描述特征和/或局部描述特征;
联合训练模块,用于根据所述第二图像帧和所述重构图,对所述位姿估计模型和所述深度估计模型进行联合训练。
9.根据权利要求8所述的装置,其中,所述重构图确定模块包括:
第一重构图确定单元,用于根据相机内参、所述位姿变换信息和所述深度图,以及所述第一图像帧中像素点的像素特征,构建所述第二图像帧的第一重构图;
第二重构图确定单元,用于根据相机内参、所述位姿变换信息和所述深度图,以及所述第一图像帧中像素点的描述特征,构建所述第二图像帧的第二重构图。
10.根据权利要求9所述的装置,其中,所述第二重构图确定单元具体用于:
根据相机内参、所述位姿变换信息和所述深度图,以及所述第一图像帧中像素点的全局描述特征,构建所述第二重构图中的第一子图;和/或,
根据相机内参、所述位姿变换信息和所述深度图,以及所述第一图像帧中像素点的局部描述特征,构建所述第二重构图中的第二子图。
11.根据权利要求9所述的装置,其中,所述第二重构图确定单元还具体用于:
对所述第一图像帧中像素点的全局描述特征和所述局部描述特征进行融合,得到融合特征;
根据相机内参、所述位姿变换信息和所述深度图,以及融合特征,构建所述第二图像帧的第二重构图。
12.根据权利要求10所述的装置,其中,所述联合训练模块具体用于:
根据应用场景信息,对所述第二图像帧和所述第一子图之间的第二相似度差异,以及第二图像帧和所述第二子图之间的第三相似度差异进行更新;
根据所述第二图像帧和所述第一重构图之间的第一相似度差异,更新后的第二相似度差异,以及更新后的第三相似度差异,确定训练损失;
采用所述训练损失,对所述位姿估计模型和所述深度估计模型进行联合训练。
13.根据权利要求8所述的装置,还包括:
单目视频确定模块,用于对原始视频中的移动物体进行删除,得到所述单目视频。
14.一种图像处理装置,包括:
目标图像帧获取模块,用于获取目标图像帧;
深度图确定模块,用于将所述目标图像帧输入至训练后的深度估计模型,得到所述目标图像帧的深度图;
其中,所述深度估计模型是通过权利要求1-6中任一所述的模型训练方法训练得到。
15.一种电子设备,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1-6中任一项所述的模型训练方法,和/或权利要求7所述的图像处理方法。
16.一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计算机执行根据权利要求1-6中任一项所述的模型训练方法,和/或权利要求7所述的图像处理方法。
17.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的模型训练方法,和/或权利要求7所述的图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210178651.4A CN114549612A (zh) | 2022-02-25 | 2022-02-25 | 模型训练和图像处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210178651.4A CN114549612A (zh) | 2022-02-25 | 2022-02-25 | 模型训练和图像处理方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114549612A true CN114549612A (zh) | 2022-05-27 |
Family
ID=81679397
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210178651.4A Pending CN114549612A (zh) | 2022-02-25 | 2022-02-25 | 模型训练和图像处理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114549612A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114998403A (zh) * | 2022-06-13 | 2022-09-02 | 北京百度网讯科技有限公司 | 深度预测方法、装置、电子设备、介质 |
CN115841151A (zh) * | 2023-02-22 | 2023-03-24 | 禾多科技(北京)有限公司 | 模型训练方法、装置、电子设备和计算机可读介质 |
CN115880435A (zh) * | 2022-12-21 | 2023-03-31 | 北京百度网讯科技有限公司 | 图像重建方法、模型训练方法、装置、电子设备和介质 |
TWI819639B (zh) * | 2022-06-02 | 2023-10-21 | 鴻海精密工業股份有限公司 | 深度估計模型之訓練方法、裝置、電子設備及存儲介質 |
TWI823416B (zh) * | 2022-06-08 | 2023-11-21 | 鴻海精密工業股份有限公司 | 深度估計網路之訓練方法、裝置、電子設備及存儲介質 |
CN117115786A (zh) * | 2023-10-23 | 2023-11-24 | 青岛哈尔滨工程大学创新发展中心 | 一种联合分割跟踪的深度估计模型训练方法及使用方法 |
TWI832302B (zh) * | 2022-06-22 | 2024-02-11 | 鴻海精密工業股份有限公司 | 深度圖像獲取方法、電子設備及電腦可讀存儲媒體 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108765479A (zh) * | 2018-04-04 | 2018-11-06 | 上海工程技术大学 | 利用深度学习对视频序列中单目视图深度估计优化方法 |
US20190356905A1 (en) * | 2018-05-17 | 2019-11-21 | Niantic, Inc. | Self-supervised training of a depth estimation system |
CN111784757A (zh) * | 2020-06-30 | 2020-10-16 | 北京百度网讯科技有限公司 | 深度估计模型的训练方法、深度估计方法、装置及设备 |
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 |
US20210118184A1 (en) * | 2019-10-17 | 2021-04-22 | Toyota Research Institute, Inc. | Systems and methods for self-supervised scale-aware training of a model for monocular depth estimation |
CN113313732A (zh) * | 2021-06-25 | 2021-08-27 | 南京航空航天大学 | 一种基于自监督学习的前视场景深度估计方法 |
CN114037087A (zh) * | 2021-10-29 | 2022-02-11 | 北京百度网讯科技有限公司 | 模型训练方法及装置、深度预测方法及装置、设备和介质 |
-
2022
- 2022-02-25 CN CN202210178651.4A patent/CN114549612A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108765479A (zh) * | 2018-04-04 | 2018-11-06 | 上海工程技术大学 | 利用深度学习对视频序列中单目视图深度估计优化方法 |
US20190356905A1 (en) * | 2018-05-17 | 2019-11-21 | Niantic, Inc. | Self-supervised training of a depth estimation system |
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 |
US20210118184A1 (en) * | 2019-10-17 | 2021-04-22 | Toyota Research Institute, Inc. | Systems and methods for self-supervised scale-aware training of a model for monocular depth estimation |
CN111784757A (zh) * | 2020-06-30 | 2020-10-16 | 北京百度网讯科技有限公司 | 深度估计模型的训练方法、深度估计方法、装置及设备 |
CN113313732A (zh) * | 2021-06-25 | 2021-08-27 | 南京航空航天大学 | 一种基于自监督学习的前视场景深度估计方法 |
CN114037087A (zh) * | 2021-10-29 | 2022-02-11 | 北京百度网讯科技有限公司 | 模型训练方法及装置、深度预测方法及装置、设备和介质 |
Non-Patent Citations (2)
Title |
---|
TINGHUI ZHOU ET AL.: "Unsupervised Learning of Depth and Ego-Motion from Video", 《ARXIV》, 1 August 2017 (2017-08-01), pages 1 - 10 * |
张义飞: "基于无监督学习的单目视频深度估计", 《中国优秀硕士学位论文全文数据库信息科技辑》, 15 January 2022 (2022-01-15), pages 138 - 2570 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI819639B (zh) * | 2022-06-02 | 2023-10-21 | 鴻海精密工業股份有限公司 | 深度估計模型之訓練方法、裝置、電子設備及存儲介質 |
TWI823416B (zh) * | 2022-06-08 | 2023-11-21 | 鴻海精密工業股份有限公司 | 深度估計網路之訓練方法、裝置、電子設備及存儲介質 |
CN114998403A (zh) * | 2022-06-13 | 2022-09-02 | 北京百度网讯科技有限公司 | 深度预测方法、装置、电子设备、介质 |
TWI832302B (zh) * | 2022-06-22 | 2024-02-11 | 鴻海精密工業股份有限公司 | 深度圖像獲取方法、電子設備及電腦可讀存儲媒體 |
CN115880435A (zh) * | 2022-12-21 | 2023-03-31 | 北京百度网讯科技有限公司 | 图像重建方法、模型训练方法、装置、电子设备和介质 |
CN115880435B (zh) * | 2022-12-21 | 2023-10-10 | 北京百度网讯科技有限公司 | 图像重建方法、模型训练方法、装置、电子设备和介质 |
CN115841151A (zh) * | 2023-02-22 | 2023-03-24 | 禾多科技(北京)有限公司 | 模型训练方法、装置、电子设备和计算机可读介质 |
CN117115786A (zh) * | 2023-10-23 | 2023-11-24 | 青岛哈尔滨工程大学创新发展中心 | 一种联合分割跟踪的深度估计模型训练方法及使用方法 |
CN117115786B (zh) * | 2023-10-23 | 2024-01-26 | 青岛哈尔滨工程大学创新发展中心 | 一种联合分割跟踪的深度估计模型训练方法及使用方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114549612A (zh) | 模型训练和图像处理方法、装置、设备及存储介质 | |
CN113920307A (zh) | 模型的训练方法、装置、设备、存储介质及图像检测方法 | |
CN113674421B (zh) | 3d目标检测方法、模型训练方法、相关装置及电子设备 | |
CN112541876B (zh) | 卫星图像处理方法、网络训练方法、相关装置及电子设备 | |
CN113538235B (zh) | 图像处理模型的训练方法、装置、电子设备及存储介质 | |
CN114842121B (zh) | 贴图生成模型训练和贴图生成方法、装置、设备及介质 | |
CN114187459A (zh) | 目标检测模型的训练方法、装置、电子设备以及存储介质 | |
CN114449343A (zh) | 一种视频处理方法、装置、设备及存储介质 | |
CN113705362A (zh) | 图像检测模型的训练方法、装置、电子设备及存储介质 | |
CN115797565A (zh) | 三维重建模型训练方法、三维重建方法、装置及电子设备 | |
CN113379877A (zh) | 人脸视频生成方法、装置、电子设备及存储介质 | |
CN113344200B (zh) | 用于训练可分离卷积网络的方法、路侧设备及云控平台 | |
CN112990046B (zh) | 差异信息获取方法、相关装置及计算机程序产品 | |
CN114330576A (zh) | 模型处理方法、装置、图像识别方法及装置 | |
CN115019057A (zh) | 图像特征提取模型确定方法及装置、图像识别方法及装置 | |
CN114494782A (zh) | 图像处理方法、模型训练方法、相关装置及电子设备 | |
CN113344213A (zh) | 知识蒸馏方法、装置、电子设备及计算机可读存储介质 | |
CN113658277B (zh) | 立体匹配方法、模型训练方法、相关装置及电子设备 | |
CN114844889B (zh) | 视频处理模型的更新方法、装置、电子设备及存储介质 | |
CN114495236B (zh) | 图像分割方法、装置、设备、介质及程序产品 | |
CN113223058B (zh) | 光流估计模型的训练方法、装置、电子设备及存储介质 | |
CN114998403A (zh) | 深度预测方法、装置、电子设备、介质 | |
CN115861425A (zh) | 用于确定相机位姿的方法、装置、电子设备、介质 | |
CN115511779A (zh) | 图像检测方法、装置、电子设备和存储介质 | |
CN114282663A (zh) | 模型保存方法、装置、电子设备、路侧设备及云控平台 |
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 |