[發明專利]圖像深度信息獲取模型的訓練方法、裝置及電子設備

在審

• 申請號: 202110320859.0
• 申請日: 2021-03-25
• 公開（公告）號: CN112862006A
• 公開（公告）日: 2021-05-28
• 發明（設計）人: 蔣旻悅;譚嘯;孫昊
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06T7/55
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 韓海花

本申請公開了一種圖像深度信息獲取模型的訓練方法、裝置及電子設備，涉及人工智能領域，具體為計算機視覺、智能交通和深度學習技術領域。該方案為：獲取樣本圖像及樣本點云信息；將樣本圖像和樣本點云信息輸入圖像深度信息獲取模型中，獲取初始深度信息和特征信息；根據初始深度信息和特征信息，識別出深度信息不穩定的目標像素點；根據目標像素點的深度信息，確定損失函數中的權重值；根據權重值對損失函數進行調整，直至模型訓練結束，生成目標圖像深度信息獲取模型，充分利用了模型訓練過程中深度信息不穩定的目標像素點的深度信息，使得訓練好的模型輸出的深度信息能夠更加接近真實值，點云信息更加稠密。

技術領域

本申請的實施例總體上涉及圖像處理技術領域，并且更具體地涉及人工智能領域，具體為計算機視覺、智能交通和深度學習技術領域。

背景技術

圖像的深度信息作為支持計算機視覺技術的重要信息，對三維重建有著重要的意義。舉例而言，針對自動駕駛等領域，深度信息更是不可或缺的信息之一。

相關技術中，通常采用激光雷達技術確定深度信息。然而，此種情況下，所獲取到的深度信息的稠密度較低，無法達到實用的要求。因此，進一步地，通常會將獲取到的圖像和深度信息輸入訓練好的圖像深度信息獲取模型，以獲取稠密的深度信息。

然而，相關技術中的圖像深度信息獲取模型的訓練方法并不完善，導致訓練效果不理想，進一步導致獲取到的深度信息無法滿足用戶的需求。因此，如何提高圖像深度信息獲取模型的訓練過程中的有效性和可靠性，已成為了重要的研究方向之一。

發明內容

本申請提供了一種圖像深度信息獲取模型的訓練方法、裝置及電子設備。

根據第一方面，提供了一種圖像深度信息獲取模型的訓練方法，包括：

獲取樣本圖像以及所述樣本圖像對應的樣本點云信息；

將所述樣本圖像和所述樣本點云信息輸入圖像深度信息獲取模型中，獲取所述樣本圖像中每個像素點的初始深度信息和特征信息；

根據所述像素點的初始深度信息和所述特征信息，從所有所述像素點中識別出深度信息不穩定的目標像素點；

根據所述目標像素點的深度信息，確定所述目標像素點對應的所述圖像深度信息獲取模型的損失函數中的權重值；

根據所述權重值對所述損失函數進行調整，并返回所述獲取樣本圖像以及所述樣本圖像對應的樣本點云信息步驟重新訓練直至模型訓練結束，生成目標圖像深度信息獲取模型。

根據第二方面，提供了一種圖像深度信息獲取模型的訓練裝置，包括：

第一獲取模塊，用于獲取樣本圖像以及所述樣本圖像對應的樣本點云信息；

第二獲取模塊，用于將所述樣本圖像和所述樣本點云信息輸入圖像深度信息獲取模型中，獲取所述樣本圖像中每個像素點的初始深度信息和特征信息；

識別模塊，用于根據所述像素點的初始深度信息和所述特征信息，從所有所述像素點中識別出深度信息不穩定的目標像素點；

確定模塊，用于根據所述目標像素點的深度信息，確定所述目標像素點對應的所述圖像深度信息獲取模型的損失函數中的權重值；

生成模塊，用于根據所述權重值對所述損失函數進行調整，并返回所述獲取樣本圖像以及所述樣本圖像對應的樣本點云信息步驟重新訓練直至模型訓練結束，生成目標圖像深度信息獲取模型。

根據第三方面，提供了一種電子設備，包括：至少一個處理器；以及與所述至少一個處理器通信連接的存儲器；其中，所述存儲器存儲有可被所述至少一個處理器執行的指令，所述指令被所述至少一個處理器執行，以使所述至少一個處理器能夠執行本申請第一方面所述的圖像深度信息獲取模型的訓練方法。