Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 深圳市人工智能与机器人研究院胡君杰获国家专利权

深圳市人工智能与机器人研究院胡君杰获国家专利权

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!

龙图腾网获悉深圳市人工智能与机器人研究院申请的专利基于终身学习的单目深度估计方法及相关设备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:CN115908522B

龙图腾网通过国家知识产权局官网在2026-03-27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:202211729433.1,技术领域涉及:G06T7/50;该发明授权基于终身学习的单目深度估计方法及相关设备是由胡君杰;范晨悠;林天麟设计研发完成,并于2022-12-30向国家知识产权局提交的专利申请。

基于终身学习的单目深度估计方法及相关设备在说明书摘要公布了:本申请实施例公开了一种基于终身学习的单目深度估计方法及相关设备。目标单目深度估计模型为一个多分支感知框架,由一个领域共享的编码器和特定领域的解码器组成,可预测输入图像的深度图及其不确定性图,以排除在训练过程中由深度传感器拍摄的深度图中离群值引起的性能下降。为进一步克服灾难性遗忘,采用了正则化约束,利用知识蒸馏损失和重放损失项来克服显著的领域差距。特定领域的解码器将用新领域的数据进行学习;在旧领域训练的其他解码器将用深度一致性和不确定性一致性以及重放损失进行正则化约束,正则化项相互补充以提高终身学习的稳定性和可塑性,从而实现更加精准的图像单目深度估计。

本发明授权基于终身学习的单目深度估计方法及相关设备在权利要求书中公布了:1.一种基于终身学习的单目深度估计方法,其特征在于,所述方法应用于计算机设备,所述方法包括: 获取预先训练完成的目标单目深度估计模型,所述目标单目深度估计模型包括多域共享编码器、与所述多域共享编码器连接的多个特定领域的解码器; 获取目标域的目标图像,将所述目标图像输入至所述目标单目深度估计模型,以使得所述目标单目深度估计模型执行以下操作: 使用所述多域共享编码器对所述目标图像进行特征提取得到图像特征; 使用所述多个特定领域的解码器中所述目标域对应的解码器,对所述图像特征进行计算得到所述目标域的深度估计图; 输出所述目标域的深度估计图; 其中,所述目标单目深度估计模型的训练步骤包括: 获取多组训练样本,每组所述训练样本包括一个领域的图像样本以及所述图像样本对应的真实领域深度图; 获取初始单目深度估计模型,所述初始单目深度估计模型包括多域共享编码器、与所述多域共享编码器连接的多个特定领域解码器,所述多域共享编码器包括多个残差卷积模块以及与所述多个残差卷积模块连接的多尺度特征融合模块; 将所述多组训练样本输入至所述初始单目深度估计模型,以使得所述初始单目深度估计模型执行以下操作: 使用所述多个残差卷积模块对所述图像样本进行特征提取,得到所述图像样本的多个不同尺度的中间特征; 使用所述多尺度特征融合模块对所述多个不同尺度的中间特征进行特征融合,得到融合特征; 使用所述多个特定领域解码器对所述融合特征进行计算得到所述图像样本对应的预测领域深度图; 根据所述真实领域深度图和所述预测领域深度图构建基于不确定性的深度损失函数,根据所述基于不确定性的深度损失函数的损失值调整所述初始单目深度估计模型的模型参数,直至所述基于不确定性的深度损失函数满足收敛条件时停止模型训练,得到所述目标单目深度估计模型。

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深圳市人工智能与机器人研究院,其通讯地址为:518129 广东省深圳市龙岗区坂田街道雅宝路1号星河WORLDG2-14、15层;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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。