[發明專利]用于生成深度圖像的方法和裝置

在審

• 申請號: 201810233912.1
• 申請日: 2018-03-21
• 公開（公告）號: CN108510454A
• 公開（公告）日: 2018-09-07
• 發明（設計）人: 何濤;劉文獻
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/04;G06N3/08
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

1.一種用于生成深度圖像的方法，包括：

獲取目標深度圖像；

將所述目標深度圖像輸入至預先訓練的卷積神經網絡，生成所述目標深度圖像的恢復圖像，其中，所述卷積神經網絡用于表征深度圖像與深度圖像的恢復圖像之間的對應關系，所述卷積神經網絡是通過如下訓練步驟得到的：

確定初始卷積神經網絡的網絡結構以及初始化所述初始卷積神經網絡的網絡參數；

獲取訓練樣本集，其中，每個訓練樣本包括第一深度相機和第二深度相機拍攝同一對象所得的第一樣本深度圖像和第二樣本深度圖像，其中，所述第二深度相機在至少一個預設深度相機性能參數上優于所述第一深度相機；

將所述訓練樣本集中的訓練樣本中的第一樣本深度圖像和第二樣本深度圖像分別作為所述初始卷積神經網絡的輸入和期望輸出，利用機器學習方法訓練所述初始卷積神經網絡；

將訓練得到的所述初始卷積神經網絡確定為所述預先訓練的卷積神經網絡。

2.根據權利要求1所述的方法，其中，所述卷積神經網絡包括至少一個卷積層。

3.根據權利要求2所述的方法，其中，所述目標深度圖像為目標人臉深度圖像。

4.根據權利要求3所述的方法，其中，所述至少一個預設深度相機性能參數包括分辨率和深度有效距離。

5.根據權利要求1-4中任一所述的方法，其中，在將所述目標深度圖像輸入至預先訓練的卷積神經網絡，生成所述目標深度圖像的恢復圖像之前，所述方法還包括：

確定所述目標深度圖像對應的目標類型；以及

所述將所述目標深度圖像輸入至預先訓練的卷積神經網絡，生成所述目標深度圖像的恢復圖像，包括：

將所述目標深度圖像輸入到所確定的目標類型對應的預先訓練的卷積神經網絡中，生成目標深度圖像的恢復圖像。

6.一種用于生成深度圖像的裝置，包括：

獲取單元，配置用于獲取目標深度圖像；

生成單元，配置用于將所述目標深度圖像輸入至預先訓練的卷積神經網絡，生成所述目標深度圖像的恢復圖像，其中，所述卷積神經網絡用于表征深度圖像與深度圖像的恢復圖像之間的對應關系，所述卷積神經網絡是通過如下訓練步驟得到的：

確定初始卷積神經網絡的網絡結構以及初始化所述初始卷積神經網絡的網絡參數；

獲取訓練樣本集，其中，每個訓練樣本包括第一深度相機和第二深度相機拍攝同一對象所得的第一樣本深度圖像和第二樣本深度圖像，其中，所述第二深度相機在至少一個預設深度相機性能參數上優于所述第一深度相機；

將所述訓練樣本集中的訓練樣本中的第一樣本深度圖像和第二樣本深度圖像分別作為所述初始卷積神經網絡的輸入和期望輸出，利用機器學習方法訓練所述初始卷積神經網絡；

將訓練得到的所述初始卷積神經網絡確定為所述預先訓練的卷積神經網絡。

7.根據權利要求6所述的裝置，其中，所述卷積神經網絡包括至少一個卷積層。

8.根據權利要求7所述的裝置，其中，所述目標深度圖像為目標人臉深度圖像。

9.根據權利要求8所述的裝置，其中，所述至少一個預設深度相機性能參數包括分辨率和深度有效距離。

10.根據權利要求6-9中任一所述的裝置，其中，所述裝置還包括：

確定單元，配置用于確定所述目標深度圖像對應的目標類型；以及

所述生成單元進一步用于：

將所述目標深度圖像輸入到所確定的目標類型對應的預先訓練的卷積神經網絡中，生成目標深度圖像的恢復圖像。

11.一種電子設備，包括：

一個或多個處理器；

存儲裝置，用于存儲一個或多個程序；

當所述一個或多個程序被所述一個或多個處理器執行時，使得所述一個或多個處理器實現如權利要求1-5中任一所述的方法。

12.一種計算機可讀介質，其上存儲有計算機程序，其中，所述程序被處理器執行時實現如權利要求1-5中任一所述的方法。