[發(fā)明專(zhuān)利]一種基于深度學(xué)習(xí)的QPD PDAF聚焦方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202211535559.5
• 申請(qǐng)日: 2022-11-30
• 公開(kāi)（公告）號(hào): CN115861102A
• 公開(kāi)（公告）日: 2023-03-28
• 發(fā)明（設(shè)計(jì)）人: 王玘;何恒;蘇文凱
• 申請(qǐng)（專(zhuān)利權(quán)）人: 豪威科技（武漢）有限公司
• 主分類(lèi)號(hào): G06T5/00
• 分類(lèi)號(hào): G06T5/00;G06T5/50;G06T7/73;G06V10/764;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 上海思捷知識(shí)產(chǎn)權(quán)代理有限公司 31295
• 代理人: 劉暢

1.一種基于深度學(xué)習(xí)的QPD PDAF聚焦方法，其特征在于，包括：

獲取數(shù)據(jù)集與驗(yàn)證集并進(jìn)行數(shù)據(jù)預(yù)處理；

搭建QPD PDAF網(wǎng)絡(luò)模型；

進(jìn)行網(wǎng)絡(luò)訓(xùn)練獲得最終的網(wǎng)絡(luò)模型；以及

采集測(cè)試圖像數(shù)據(jù)并輸入至最終的所述網(wǎng)絡(luò)模型，輸出Defocus值。

2.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的QPD PDAF聚焦方法，其特征在于，獲取數(shù)據(jù)集與驗(yàn)證集的步驟包括：

采集QPD圖像數(shù)據(jù)；數(shù)據(jù)采樣；生成數(shù)據(jù)標(biāo)簽以及生成數(shù)據(jù)集與驗(yàn)證集。

3.根據(jù)權(quán)利要求2所述的基于深度學(xué)習(xí)的QPD PDAF聚焦方法，其特征在于，使用QPD傳感器采集圖像數(shù)據(jù)。

4.根據(jù)權(quán)利要求2所述的基于深度學(xué)習(xí)的QPD PDAF聚焦方法，其特征在于，所述數(shù)據(jù)采樣包括將每張圖像分為6*9個(gè)像素為200*200的窗口。

5.根據(jù)權(quán)利要求2所述的基于深度學(xué)習(xí)的QPD PDAF聚焦方法，其特征在于，生成數(shù)據(jù)標(biāo)簽的方法包括：

計(jì)算所述圖像的對(duì)比度；

找到梯度最大值附近的N個(gè)點(diǎn)，計(jì)算聚焦點(diǎn)位置，其中N為正整數(shù)；以及

根據(jù)所述聚焦點(diǎn)位置，生成Defocus標(biāo)簽。

6.根據(jù)權(quán)利要求5所述的基于深度學(xué)習(xí)的QPD PDAF聚焦方法，其特征在于，所述圖像的對(duì)比度的計(jì)算公式為：

G_x(x,y)＝2I(x,y)-I(x-1,y)-I(x+1,y)

G_y(x,y)＝2I(x,y)-I(x,y-1)-I(x,y+1)

其中，x與y指的是像素點(diǎn)在所述圖像中的位置。

7.根據(jù)權(quán)利要求5所述的基于深度學(xué)習(xí)的QPD PDAF聚焦方法，其特征在于，所述Defocus標(biāo)簽為：

Label＝DAC_current-DAC_focus

其中，DAC_current指的是現(xiàn)有的采集到的圖像的DAC值，DAC_focus指的是聚焦點(diǎn)位置對(duì)應(yīng)的DAC值，DAC是指馬達(dá)移動(dòng)的位置。

8.根據(jù)權(quán)利要求2所述的基于深度學(xué)習(xí)的QPD PDAF聚焦方法，其特征在于，生成數(shù)據(jù)集與驗(yàn)證集的方法包括：將數(shù)據(jù)隨機(jī)切分為數(shù)據(jù)集和驗(yàn)證集。

9.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的QPD PDAF聚焦方法，其特征在于，進(jìn)行數(shù)據(jù)預(yù)處理的方法包括：

使用Z-Score算法對(duì)數(shù)據(jù)進(jìn)行歸一化；以及

計(jì)算采集窗口到中心窗口的偏移量。

10.根據(jù)權(quán)利要求2所述的基于深度學(xué)習(xí)的QPD PDAF聚焦方法，其特征在于，搭建QPDPDAF網(wǎng)絡(luò)模型包括以下方法：

針對(duì)所述圖像數(shù)據(jù)的特點(diǎn)，將第一層設(shè)置為兩通道輸入；

提取網(wǎng)絡(luò)中N個(gè)不同深度的特征層，分別通過(guò)1*1卷積層以及全連接層，得到M維特征向量，加上輸入的偏移量Dx、Dy，組成N*M+2維度特征；

將全連接層修改為兩層。

11.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的QPD PDAF聚焦方法，其特征在于，進(jìn)行網(wǎng)絡(luò)訓(xùn)練獲得最終的網(wǎng)絡(luò)模型的方法包括：在預(yù)訂的訓(xùn)練次數(shù)內(nèi)，選擇驗(yàn)證集中最小的損失值對(duì)應(yīng)的模型作為最終的網(wǎng)絡(luò)模型。