买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)申请的专利基于自动网络压缩的双目深度估计方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118365688B 。

龙图腾网通过国家知识产权局官网在2025-10-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410355410.1，技术领域涉及：G06T7/55；该发明授权基于自动网络压缩的双目深度估计方法及装置是由王敬波;王强;秦阳;王鸿鹏设计研发完成，并于2024-03-27向国家知识产权局提交的专利申请。

本基于自动网络压缩的双目深度估计方法及装置在说明书摘要公布了：本发明公开了一种基于自动网络压缩的双目深度估计方法及装置，方法包括：获取左视图和右视图及对应的左视差图和右视差图；构建双目深度估计模型，所述双目深度估计模型包括NASCNet网络和NASSNet网络，在NASCNet网络的特征提取模块中加入残差块代替DispNetC中的卷积层，并利用点相关层优化DispNetC中的特征提取操作；采用渐进搜索策略对双目深度估计模型进行训练，首先训练模型结构最大的网络，将搜索的卷积核大小、模型深度、模型宽度和搜索规模设置为可选范围内的最大值，然后依次进行对卷积核大小、模型深度、模型宽度的自动搜索；基于训练好的双目深度估计模型对待检测的图像进行双目深度估计。本发明通过构建的双目深度估计模型和自动搜索策略来提高估计精度和速度。

本发明授权基于自动网络压缩的双目深度估计方法及装置在权利要求书中公布了：1.基于自动网络压缩的双目深度估计方法，其特征在于，包括下述步骤： 获取左视图和右视图，并获取左视图和右视图分别对应的左视差图和右视差图； 构建双目深度估计模型，所述双目深度估计模型包括NASCNet网络和NASSNet网络，在NASCNet网络的特征提取模块中加入残差块代替DispNetC中的卷积层，并利用点相关层优化DispNetC中的特征提取操作；在NASSNet网络中的输入部分增加了NASCNet生成的预测视差图；所述NASCNet网络的输入为左视图和右视图的图像对，所述NASSNet网络的多了一组由NASCNet网络生成的视差图；NASCNet网络和NASSNet网络生成的最终视差图组分别和目标视差图相加后计算损失loss再相加作为最终loss，最终用NASSNet生成的视差图组中尺寸最大的和真值计算EPE； 采用渐进搜索策略对双目深度估计模型进行训练，首先训练模型结构最大的网络，将搜索的卷积核大小、模型深度、模型宽度和搜索规模设置为可选范围内的最大值，然后依次进行对卷积核大小、模型深度、模型宽度的自动搜索； 基于训练好的双目深度估计模型对待检测的图像进行双目深度估计； 所述利用点相关层优化DispNetC中的特征提取操作，具体为： 设置约束移动范围D，每个patch只需与附近的2D+1个patch计算，计算公式如式1所示，去掉DispNetC中的patch； 其中c表示点相关代价量，函数f表示该点的像素值，“”表示左右图像中的点在x轴-D，D上的元素点乘计算，将这一操作命名为点相关计算，相应的层命名为点相关层；NASCNet所需乘法次数为C×K×H×W×2D+1，从而降低乘法次数； 在渐进搜索策略中共设计5个自动搜索块，其中前3个自动搜索块组成了NASCNet网络的特征提取部分，后2个自动搜索块替换了NASCNet网络的编码器中前两个残差块；每个自动搜索块中包括若干个自动残差块，自动残差块是最小的自动搜索模块，自动残差块中采用DynamicConv2d、DynamicTransposeConv2d模块进行特征提取，DynamicSeparableConv2d、DynamicSeparableTransposeConv2d模块动态地变化卷积核大小和宽度，轻量级的DynamicSE模块用于提升模型对channel特征地敏感性。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)，其通讯地址为：518055 广东省深圳市南山区桃源街道深圳大学城哈尔滨工业大学校区；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。