[發(fā)明專利]深度補全網絡的訓練方法、裝置、電子設備及存儲介質

在審

• 申請?zhí)枺?/td>: 202110723163.2
• 申請日: 2021-06-28
• 公開（公告）號: CN113592932A
• 公開（公告）日: 2021-11-02
• 發(fā)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: G06T7/50
• 分類號: G06T7/50
• 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: 張夢瑤

1.一種補全網絡的訓練方法，包括：

將第一樣本圖像和所述第一樣本圖像的第一點云數(shù)據(jù)輸入第一深度補全網絡中進行深度補全，以輸出所述第一樣本圖像的第一補全點云數(shù)據(jù)；

將所述第一樣本圖像和所述第一樣本圖像的第二點云數(shù)據(jù)，以及所述第一樣本圖像的第一補全點云數(shù)據(jù)，確定為第二深度補全網絡的第一訓練樣本，其中，所述第一點云數(shù)據(jù)的點云密度要大于所述第二點云數(shù)據(jù)的點云密度；

基于所述第一訓練樣本對所述第二深度補全網絡進行訓練，以生成目標第二深度補全網絡。

2.根據(jù)權利要求1所述的方法，其中，所述將第一樣本圖像和所述第一樣本圖像的第一點云數(shù)據(jù)輸入第一深度補全網絡中進行預測之前，還包括：

獲取第二樣本圖像、所述第二樣本圖像的第三點云數(shù)據(jù)以及全點云數(shù)據(jù)，作為第二訓練樣本；

基于所述第二訓練樣本對深度補全網絡中進行訓練，以獲取所述第一深度補全網絡；

基于所述第一深度補全網絡生成所述第二深度補全網絡。

3.根據(jù)權利要求1或2所述的方法，其中，所述方法還包括：

對所述第一點云數(shù)據(jù)進行下采樣，生成所述第二點云數(shù)據(jù)。

4.根據(jù)權利要求2所述的方法，其中，所述第三點云數(shù)據(jù)的點云密度要大于所述第二點云數(shù)據(jù)的點云密度。

5.根據(jù)權利要求1所述的方法，其中，所述基于所述第一訓練樣本對所述第二深度補全網絡進行訓練，以生成目標第二深度補全網絡，包括：

將所述第一樣本圖像和所述第二點云數(shù)據(jù)輸入所述第二深度補全網絡進行訓練，以獲取所述第一樣本圖像的第二補全點云數(shù)據(jù)；

基于所述第一補全點云數(shù)據(jù)和所述第二補全點云數(shù)據(jù)，確定所述第二深度補全網絡的損失函數(shù)；

基于所述損失函數(shù)，調整所述第二深度補全網絡的模型參數(shù)，并返回下一次訓練直至滿足訓練結束條件結束訓練，生成所述目標第二深度補全網絡。

6.一種圖像的深度信息補全方法，包括：

獲取待補全深度信息的目標圖像和所述目標圖像的點云數(shù)據(jù)；

將所述目標圖像和所述點云數(shù)據(jù)輸入到目標第二深度補全網絡中進行預測，輸出所述目標圖像的補全點云數(shù)據(jù)；

其中，所述目標第二深度補全網絡為采用權利要求1－5任一項所述的深度補全網絡的訓練方法訓練出的網絡。

7.一種深度補全網絡的訓練裝置，包括：

輸入模塊，用于將第一樣本圖像和所述第一樣本圖像的第一點云數(shù)據(jù)輸入第一深度補全網絡中進行深度補全，以輸出所述第一樣本圖像的第一補全點云數(shù)據(jù)；

確定模塊，用于將所述第一樣本圖像和所述第一樣本圖像的第二點云數(shù)據(jù)，以及所述第一樣本圖像的第一補全點云數(shù)據(jù)，確定為第二深度補全網絡的第一訓練樣本，其中，所述第一點云數(shù)據(jù)的點云密度要大于所述第二點云數(shù)據(jù)的點云密度；

生成模塊，用于基于所述第一訓練樣本對所述第二深度補全網絡進行訓練，以生成目標第二深度補全網絡。

8.根據(jù)權利要求7所述的深度補全網絡的訓練裝置，還包括第二深度補全網絡生成模塊，還用于：

獲取第二樣本圖像、所述第二樣本圖像的第三點云數(shù)據(jù)以及全點云數(shù)據(jù)，作為第二訓練樣本；

基于所述第二訓練樣本對深度補全網絡中進行訓練，以獲取所述第一深度補全網絡；

基于所述第一深度補全網絡生成所述第二深度補全網絡。

9.根據(jù)權利要求7所述的深度補全網絡的訓練裝置，還包括下采樣模塊，用于對所述第一點云數(shù)據(jù)進行下采樣，生成所述第二點云數(shù)據(jù)。

10.根據(jù)權利要求8所述的第二深度補全網絡生成模塊，其中，所述第三點云數(shù)據(jù)的點云密度要大于所述第二點云數(shù)據(jù)的點云密度。