[發明專利]使用多刻度密集連通卷積網絡的相對深度序列估計方法在審
| 申請號： | 201810711047.7 | 申請日： | 2018-07-03 |
| 公開（公告）號： | CN109034374A | 公開（公告）日： | 2018-12-18 |
| 發明（設計）人： | 蘇菲 | 申請（專利權）人： | 蘇州中科啟慧軟件技術有限公司 |
| 主分類號： | G06N3/04 | 分類號： | G06N3/04;G06N3/08;G06K9/62 |
| 代理公司： | 暫無信息 | 代理人： | 暫無信息 |
| 地址： | 215500 江蘇省蘇州市常熟*** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 深度序列 多尺度模型 網絡 包圍盒 卷積 連通 局部上下文 上下文線索 二維信息 局部結構 深度信息 實驗分析 輸入特征 數據結構 學習算法 有效探索 逐漸增加 多尺度 深度圖 準確率 消融 三維 改進 輸出 重建 回歸 轉化 作品 檢查 探索 學習 | ||
【權利要求書】：
1.一種使用多刻度密集連通卷積網絡的相對深度序列估計方法，其特征在于，估計點對的深度序列是探索點之間的三維關系，通過以下過程實現相對深度序列估計：
步驟一：通過消融實驗分析作品中使用的輸入特征的有效性，檢查每個上下文線索的性能在深度序列估計的上下文中的貢獻，發現，點對周圍的局部上下文貢獻最大，全局場景上下文幫助不大；
步驟二：使用多尺度密集連接的網絡來解決任務，多尺度模型利用點周圍的局部上下文信息，提取三個逐漸增加的包圍盒周圍的包圍盒，代替學習全局結構，通過學習從點對附近的多個大小區域回歸來探索局部結構；
步驟三：利用DenseNet深度學習算法對多尺度模型進行改進，使用最近密集連接的網絡，以鼓勵大量的特征重用，實現深化密集連接網絡；
步驟四：對改進后的多尺度模型進一步輸出重建深度圖，得到高質量的相對深度序列估計。
下載完整專利技術內容需要扣除積分，VIP會員可以免費下載。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于蘇州中科啟慧軟件技術有限公司，未經蘇州中科啟慧軟件技術有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201810711047.7/1.html，轉載請聲明來源鉆瓜專利網。
