[發明專利]一種基于交叉蒸餾的單目深度估計模型訓練方法在審
| 申請號： | 202310115401.0 | 申請日： | 2023-02-15 |
| 公開（公告）號： | CN116188904A | 公開（公告）日： | 2023-05-30 |
| 發明（設計）人： | 陳偉海;邵樹威;裴忠才;劉中;吳星明 | 申請（專利權）人： | 北京航空航天大學杭州創新研究院;北京航空航天大學 |
| 主分類號： | G06V10/774 | 分類號： | G06V10/774;G06V10/30;G06V20/10 |
| 代理公司： | 北京睿智保誠專利代理事務所(普通合伙) 11732 | 代理人： | 韓迎之 |
| 地址： | 310051 浙江省杭州市*** | 國省代碼： | 浙江;33 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 交叉 蒸餾 深度 估計 模型 訓練 方法 | ||
1.一種基于交叉蒸餾的單目深度估計模型訓練方法，其特征在于，包括以下步驟：
將城市RGB圖像輸入到單目深度估計模型中；
所述單目深度估計模型對城市RGB圖像生成第一深度預測和第二深度預測；
將第一深度預測和第二深度預測用作偽標簽，并對偽標簽降噪；
利用降噪后的偽標簽對單目深度估計模型完成優化。
2.根據權利要求1所述的一種基于交叉蒸餾的單目深度估計模型訓練方法，其特征在于，所述第一深度預測和所述第二深度預測的表達式分別為：
其中，表示來自Transformer分支的預測、表示來自CNN分支的預測，p表示像素點，rn(p)表示城市RGB圖像。
3.根據權利要求1所述的一種基于交叉蒸餾的單目深度估計模型訓練方法，其特征在于，采用基于不確定性的交叉蒸餾損失對偽標簽降噪，所述交叉蒸餾損失的定義式如下：
其中，-是梯度停止操作，是逐元素乘法，是來自Transformer分支的不確定性映射，是來自CNN分支的不確定性映射，p表示像素點。
4.根據權利要求1所述的一種基于交叉蒸餾的單目深度估計模型訓練方法，其特征在于，對于不確定圖進行建模，建模公式如下：
其中，dn(p)代表預測的深度圖，表示真值深度圖，b是一個控制誤差容限的系數，T表示具有有效真值深度的像素集合，p表示像素點。
5.根據權利要求4所述的一種基于交叉蒸餾的單目深度估計模型訓練方法，其特征在于，應用Lu來預測不確定性以近似
其中，代表Transformer分支預測的不確定圖，代表CNN分支預測的不確定圖，代表Transformer分支不確定圖的真值，代表CNN分支不確定圖的真值，p表示像素點。
6.根據權利要求1所述的一種基于交叉蒸餾的單目深度估計模型訓練方法，其特征在于，對單目深度估計模型完成優化的公式如下：
Ltotal＝Lsl+λ1Lurcd+λ2Lu,
其中，Lsl是silog損失，λ1，λ2，κ，η是超參數，用于平衡損失中每一項的權重，|T|代表有值的像素點的個數，dn(p)代表預測的深度圖，表示真值深度圖，表示Transformer分支在log空間的深度誤差，表示CNN分支在log空間的深度誤差。
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北京航空航天大學杭州創新研究院;北京航空航天大學，未經北京航空航天大學杭州創新研究院;北京航空航天大學許可，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/202310115401.0/1.html，轉載請聲明來源鉆瓜專利網。
