用于训练图像处理网络和图像处理的方法和装置
文献发布时间:2023-06-19 11:06:50
技术领域
本公开涉及人工智能领域,尤其涉及计算机视觉和深度学习技术领域,具体为用于训练图像处理网络和图像处理的方法和装置。
背景技术
目前,深度估计首先按照传感器可以分为:单目深度估计与双目深度估计,其次,按照是否有监督,又可以进一步细分为:单目有监督深度估计与单目无监督深度估计,其中单目无监督一般需要借助额外的信息,如前后帧视频序列的姿态信息、光流信息等,双目也可分为双目有监督与双目无监督深度估计。
有监督的方法需要较高的采集标注成本,如室外需要使用激光雷达、室内需要使用结构光/ToF相机等,并实现激光雷达/深度相机与RGB相机的标定与配准。
单目无监督的方法通常需要借助额外的信息,如前后帧视频序列的姿态信息、光流信息等。
发明内容
本公开提供了一种用于训练图像处理网络和图像处理的方法、装置、设备、存储介质以及计算机程序产品。
根据本公开的第一方面,提供了一种用于训练图像处理网络的方法,包括:获取根据预设损失函数训练的双目深度学习网络和样本集,其中,样本集中的样本包括校正好的左图和右图。从样本集中选择第一样本,执行如下第一训练步骤:将选取的第一样本的左图和右图输入双目深度学习网络,输出第一视差图。将第一视差图转换成第一双目预测深度图。计算第一双目预测深度图的可靠区域。将选取的第一样本的左图或右图输入单目深度估计网络,得到第一单目预测深度图。将可靠区域的深度值作为单目深度估计网络的伪监督信息,计算第一单目预测深度图中与可靠区域对应的区域的深度值的第一损失值。若第一损失值小于预定第一阈值,则确定出单目深度估计网络训练完成。
根据本公开的第二方面,提供了一种图像处理方法,包括:获取待识别的图像。若图像为校正好的左图和右图,则将图像输入根据第一方面中任一项的方法训练的双目深度估计网络,得到双目深度估计值。若图像为单图,则将图像输入根据第一方面中任一项的方法训练的单目深度估计网络,得到单目深度估计值。
根据本公开的第三方面,提供了一种用于训练图像处理网络的装置,包括:获取单元,被配置成获取根据预设损失函数训练的双目深度学习网络和样本集,其中,样本集中的样本包括校正好的左图和右图。第一训练单元,被配置成从样本集中选择第一样本,执行如下第一训练步骤:将选取的第一样本的左图和右图输入双目深度学习网络,输出第一视差图。将第一视差图转换成第一双目预测深度图。计算第一双目预测深度图的可靠区域。将选取的第一样本的左图或右图输入单目深度估计网络,得到第一单目预测深度图。将可靠区域的深度值作为单目深度估计网络的伪监督信息,计算第一单目预测深度图中与可靠区域对应的区域的深度值的第一损失值。若第一损失值小于预定第一阈值,则确定出单目深度估计网络训练完成。
根据本公开的第四方面,提供了一种图像处理装置,包括:获取单元,被配置成获取待识别的图像。第一估计单元,被配置成若图像为校正好的左图和右图,则将图像输入由第一方面中任一项的装置训练的双目深度估计网络,得到双目深度估计值。第二估计单元,被配置成若图像为单图,则将图像输入由第一方面中任一项的装置训练的单目深度估计网络,得到单目深度估计值。
根据本公开的第五方面,提供了一种电子设备,包括:至少一个处理器。以及与至少一个处理器通信连接的存储器。其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行根据第一方面中任一项的用于训练图像处理网络的方法或根据第二方面的图像处理方法。
根据本公开的第六方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行根据第一方面中任一项的用于训练图像处理网络的方法或根据第二方面的图像处理方法。
根据本公开的第七方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据第一方面和第二方面中任一项所述的方法。
本公开的实施例提供的用于训练图像处理网络的方法和装置,可通过无监督的方式生成单目深度估计网络和双目深度估计网络,并且不需要借助额的信息,减少了人工标注的工作量,并且提高了单双目深度估计网络的准确性。
本公开的实施例提供的图像处理方法和装置,可针对不同场景选择单目深度估计网络或双目深度估计网络进行深度估计,提高了深度估计的准确性。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是本公开的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本公开的用于训练图像处理网络的方法的第一个实施例的流程图;
图3是根据本公开的用于训练图像处理网络的方法的第二个实施例的流程图;
图4是根据本公开的用于训练图像处理网络的方法的第三个实施例的流程图;
图5是根据本公开的用于训练图像处理网络的方法的一个应用场景的示意图;
图6是根据本公开的图像处理方法的一个实施例的流程图;
图7是根据本公开的用于训练图像处理网络的装置的一个实施例的结构示意图;
图8是根据本公开的图像处理装置的一个实施例的结构示意图;
图9是用来实现本公开实施例的用于训练图像处理网络的方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1示出了可以应用本申请实施例的用于训练图像处理网络的方法、用于训练图像处理网络的装置、图像处理方法或图像处理装置的示例性系统架构100。
如图1所示,系统架构100可以包括终端101、102,网络103、数据库服务器104和服务器105。网络103用以在终端101、102,数据库服务器104与服务器105之间提供通信链路的介质。网络103可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户110可以使用终端101、102通过网络103与服务器105进行交互,以接收或发送消息等。终端101、102上可以安装有各种客户端应用,例如模型训练类应用、深度检测类应用、购物类应用、支付类应用、网页浏览器和即时通讯工具等。
这里的终端101、102可以是硬件,也可以是软件。当终端101、102为硬件时,可以是具有显示屏的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group Audio Layer III,动态影像专家压缩标准音频层面3)、膝上型便携计算机和台式计算机等等。当终端101、102为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
当终端101、102为硬件时,其上还可以安装有图像采集设备。图像采集设备可以是各种能实现采集图像功能的设备,如摄像头(可以是单目相机也可以是双目相机)、传感器等等。用户110可以利用终端101、102上的图像采集设备,来通过单目相机采集单张图像或通过双目相机采集左图和右图。
数据库服务器104可以是提供各种服务的数据库服务器。例如数据库服务器中可以存储有样本集。样本集中包含有大量的样本。其中,样本可以包括校正好的左图和右图,可以没有标注信息。这样,用户110也可以通过终端101、102,从数据库服务器104所存储的样本集中选取样本进行无监督训练。
服务器105也可以是提供各种服务的服务器,例如对终端101、102上显示的各种应用提供支持的后台服务器。后台服务器可以利用终端101、102发送的样本集中的样本,对初始模型进行训练,并可以将训练结果(如生成的单目深度估计网络和/或双目深度估计网络)发送给终端101、102。这样,用户可以应用生成的单目深度估计网络和双目深度估计网络进行深度估计。
这里的数据库服务器104和服务器105同样可以是硬件,也可以是软件。当它们为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当它们为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是,本申请实施例所提供的用于训练图像处理网络的方法或图像处理方法一般由服务器105执行。相应地,用于训练图像处理网络的装置或图像处理装置一般也设置于服务器105中。
需要指出的是,在服务器105可以实现数据库服务器104的相关功能的情况下,系统架构100中可以不设置数据库服务器104。
应该理解,图1中的终端、网络、数据库服务器和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端、网络、数据库服务器和服务器。
继续参见图2,其示出了根据本申请的用于训练图像处理网络的方法的一个实施例的流程200。该用于训练图像处理网络的方法可以包括以下步骤:
步骤201,获取根据预设损失函数训练的双目深度学习网络和样本集。
在本实施例中,用于训练图像处理网络的方法的执行主体(例如图1所示的服务器105)可以通过多种方式来获取样本集和双目深度学习网络。例如,执行主体可以通过有线连接方式或无线连接方式,从数据库服务器(例如图1所示的数据库服务器104)中获取存储于其中的现有的样本集和已训练好的双目深度学习网络。再例如,用户可以通过终端(例如图1所示的终端101、102)来收集样本。这样,执行主体可以接收终端所收集的样本,并将这些样本存储在本地,从而生成样本集。
双目深度学习网络是一种用于根据左图和右图生成视差图的神经网络。双目深度学习网络可以是本地训练得到的,也可以是从第三方服务器获取的。
在这里,样本集中可以包括至少一个样本。其中,样本可以包括校正好的左图和右图。本公开无需给样本标注,就可进行无监督的训练,得到单目深度估计网络和双目深度估计网络。左图和右图为双目相机拍摄同一场景的左、右两幅视点图像。校正包括畸变校正和立体校正。校正方式为现有技术,因此不再赘述。
在本实施例中,左图和右图可以是彩色图像(如RGB(Red、Green、Blue,红绿蓝)照片)和/或灰度图像等等。该图像的格式在本公开中并不限制,如jpg(Joint Photo graphicExperts Group,一种图片格式)、BMP(Bitmap,图像文件格式)或RAW(RAW Image Format,无损压缩格式)等格式,只要可以被执行主体读取识别即可。
步骤202,从样本集中选择第一样本。
在本实施例中,执行主体可以从步骤201中获取的样本集中选取样本,以及执行步骤203至步骤209的训练步骤。其中,样本的选取方式和选取数量在本申请中并不限制。例如可以是随机选取至少一个样本,也可以是从中选取样本图像的清晰度较好(即像素较高)的样本。由于本申请要训练三种神经网络,共用同一样本集,每种网络训练时获得的样本不一定相同,因此为了加以区分,将训练单目深度估计网络的样本命名为第一样本。将训练双目深度估计网络的样本命名为第二样本。将训练双目深度学习网络的样本命名为第三样本。
步骤203,将选取的第一样本的左图和右图输入双目深度学习网络,输出第一视差图。
在本实施例中,立体校正后的左右两幅图像得到后,匹配点是在同一行上的,可以使用双目深度学习网络(基于OpenCV中的BM算法或者SGBM算法)计算视差图。给定输入校正好的左右图I
步骤204,将第一视差图转换成第一双目预测深度图。
在本实施例中,设左右双目的基线为B(两个相机光心之间的距离),相机的焦距为f,视差值为D,则对任意一个D,都有对应的深度值为:
视差值的单位是像素(pixel),深度值的单位往往是毫米(mm)表示。每个像素点的深度值组成了深度图。
步骤205,计算第一双目预测深度图的可靠区域。
在本实施例中,可基于左右一致性检验计算左右双目之间的视差不可靠区域:
mask=|I
其中u,v是像素点的坐标,T是一个超参阈值,可设为2。如果一个像素点的视差>T则该像素点的mask为1,属于不可靠区域(可能是由于遮挡、误匹配等造成)。mask的值为0或1,0代表像素点可靠,1代表像素点不可靠。
步骤206,将选取的第一样本的左图或右图输入单目深度估计网络,得到第一单目预测深度图。
在本实施例中,单目深度估计网络当前是一个初始的神经网络,用于将单张图像转换成深度图。从第一样本任选左图或右图输入单目深度估计网络,能够得到第一单目预测深度图
步骤207,将可靠区域的深度值作为单目深度估计网络的伪监督信息,计算第一单目预测深度图中与可靠区域对应的区域的深度值的第一损失值。
在本实施例中,以步骤204得到的深度图Depth与步骤205得到的掩码mask,作为单目深度估计网络的伪监督信息,预测单目的深度图为
这里的1-mask代表的是可靠区域,因为不可靠区域中1-mask=0,即损失值为0。而可靠区域的损失值为
步骤208,若第一损失值小于预定第一阈值,则确定出单目深度估计网络训练完成。
在本实施例中,训练的目的是使得第一损失值越小越好,但为了避免无止境地迭代,可设置一个终止条件,即第一损失值小于预定第一阈值。达到了训练终止条件,说明此时单目深度估计网络训练完成。可以用于预测单张图像的深度。
步骤209,若第一损失值不小于预定第一阈值,则调整单目深度估计网络的相关参数,继续步骤202-209。
在本实施例中,如果第一损失值不小于预定第一阈值,说明损失值还需要继续减小,可以调整单目深度估计网络的相关参数,例如采用反向传播技术修改单目深度估计网络中各卷积层中的权重。继续步骤202-209。直到第一损失值小于预定第一阈值,结束训练。
本公开的上述实施例提供的方法,通过双目深度学习网络获得视差图,再转换成深度图,然后将深度图中可靠的区域的深度值作为单目深度估计网络的期望输出,通过比较单目深度估计网络的实际输出与期望输出的差异计算出损失值。再根据损失值调整单目深度估计网络的参数。从而可以不需要人工标注就能训练出准确率高的单目深度估计网络。
进一步参考图3,其示出了用于训练图像处理网络的方法的又一个实施例的流程300。该用于训练图像处理网络的方法的流程300,包括以下步骤:
步骤301,从样本集中选择第二样本。
在本实施例中,用于训练图像处理网络的方法的执行主体(例如图1所示的服务器105)可以从步骤201获得的样本集中选择第二样本。所选择的第二样本可能是步骤202-209使用过的,也可能是未使用过的。为了区分两次训练过程,将训练双目深度估计网络的样本命名为第二样本。对于步骤202-209中使用过的样本,可以保留一些信息,例如,视差图、深度图、不可靠区域等,这样就不需要重复处理。
步骤302,获取选取的第二样本的第二双目预测深度图,并确定出第二双目预测深度图的不可靠区域。
在本实施例中,可根据步骤203-204的方法得到第二样本的第二双目预测深度图。可根据步骤205的方法得到第二双目预测深度图的不可靠区域。
在本实施例的一些可选的实现方式中,若第二样本属于第一样本,则将第一双目预测深度图确定为第二双目预测深度图,并将第一双目预测深度图的可靠区域确定为第二双目预测深度图的可靠区域,将第二双目预测深度图中除可靠区域之外的区域确定为第二双目预测深度图的不可靠区域。如果第二样本是步骤202使用过的第一样本,则不需要再重复计算深度图和不可靠区域,直接使用第一样本的深度图和不可靠区域即可。
在本实施例的一些可选的实现方式中,若第二样本不属于第一样本,则将选取的第二样本的左图和右图输入双目深度学习网络,输出第二视差图。将第二视差图转换成第二双目预测深度图。计算第二双目预测深度图的可靠区域。将第二双目预测深度图中除可靠区域之外的区域确定为第二双目预测深度图的不可靠区域。增加判断过程,以避免不必要的重复操作,提高训练速度。
步骤303,将选取的第二样本的左图或右图输入训练完成的单目深度估计网络,得到第二单目预测深度图。
在本实施例中,任选第二样本的左图或右图输入训练完成的单目深度估计网络,得到第二单目预测深度图
步骤304,将不可靠区域的深度值作为双目深度估计网络的伪监督信息,计算第二双目预测深度图中与不可靠区域对应的区域的深度值的双目损失值。
在本实施例中,计算双目深度估计网络的损失值时,由于双目相机获得的左图和右图会由于遮挡而不可靠,因此,本公开重点关注不可靠区域的深度值的损失值,该损失值命名为双目损失值L
步骤305,根据预设损失函数计算基础损失值。
在本实施例中,除了不可靠区域的深度值的损失值之外,双目深度估计网络训练过程中的损失值还可包括基础损失值,例如,光度重建误差损失值L
步骤306,将双目损失值和基础损失值之和确定为第二损失值。
在本实施例中,双目损失值和基础损失值之和为双目深度估计网络总的损失值
步骤307,若第二损失值小于预定第二阈值,则确定出双目深度估计网络训练完成。
在本实施例中,训练的目的是使得第二损失值越小越好,但为了避免无止境地迭代,可设置一个终止条件,即第二损失值小于预定第二阈值。达到了训练终止条件,说明此时双目深度估计网络训练完成。可以用于预测一对左图和右图的深度。
步骤308,若第二损失值不小于预定第二阈值,则调整双目深度估计网络的相关参数,继续执行步骤301-308。
在本实施例中,如果第二损失值不小于预定第二阈值,说明损失值还需要继续减小,可以调整双目深度估计网络的相关参数,例如采用反向传播技术修改双目深度估计网络中各卷积层中的权重。继续执行步骤301-308。直到第二损失值小于预定第二阈值,结束训练。
本公开的上述实施例提供的方法,将单目深度估计网络获得图像的深度值(针对双目深度估计时左图和右图的不可靠区域)作为双目深度估计网络的期望输出。通过比较双目深度估计网络的实际输出与期望输出的差异计算出损失值。再根据损失值调整双目深度估计网络的参数。从而可以不需要人工标注就能训练出准确率高的双目深度估计网络。
进一步参考图4,其示出了用于训练图像处理网络的方法的第三个实施例的流程400。该用于训练图像处理网络的方法的流程400,包括以下步骤:
步骤401,获取样本集。
在本实施例中,用于训练图像处理网络的方法的执行主体(例如图1所示的服务器105)可以通过多种方式来获取样本集。其中,样本集中的样本包括校正好的左图和右图。获取过程可参考步骤201,在此不再赘述。
步骤402,从样本集中选择第三样本。
在本实施例中,执行主体可以从步骤401中获取的样本集中选取样本,以及执行步骤403至步骤407的训练步骤。将用于训练双目深度学习网络的样本命名为第三样本。第三样本可以与第一样本相同,也可以不同。第三样本可以与第二样本相同,也可以不同。
步骤403,将选取的第三样本的左图和右图输入初始双目深度学习网络,输出第三视差图。
在本实施例中,初始双目深度学习网络是一种用于根据生成双目图像的视差图的神经网络。初始双目深度学习网络的性能较差,输出的第三视差图的准确度不高。需要进一步训练。
给定输入校正好的左右图I
d
其中,d(u,v)为右图与左图在横坐标上的距离。
步骤404,根据第三视差图对原始的右图进行重建,得到重建右图。
在本实施例中,基于I
步骤405,计算重建右图与原始的右图之间的光度误差作为基础损失值。
在本实施例中,基于计算出的I
L
L
步骤406,若基础损失值小于预定第三阈值,则确定出初始双目深度学习网络训练完成,得到双目深度学习网络。
在本实施例中,训练的目的是使得第三损失值越小越好,但为了避免无止境地迭代,可设置一个终止条件,即第三损失值小于预定第三阈值。达到了训练终止条件,说明此时初始双目深度学习网络训练完成。得到了双目深度学习网络,可以用于预测双目图像的视差。
步骤407,若基础损失值不小于预定第三阈值,则调整初始双目深度学习网络的相关参数,以及继续执行步骤402-407。
在本实施例中,如果第三损失值不小于预定第三阈值,说明损失值还需要继续减小,可以调整初始双目深度学习网络的相关参数,例如采用反向传播技术修改初始双目深度学习网络中各卷积层中的权重。继续步骤402-407。直到第三损失值小于预定第三阈值,结束训练。
本公开的上述实施例提供的方法,通过设计光度重建误差来训练双目深度学习网络。在没有人工标注的情况下能够训练出准确度高的双目深度学习网络,减少了训练成本。本且该双目深度学习网络可以用于辅助训练出单目深度估计网络和双目深度估计网络。
继续参见图5,图5是根据本实施例的用于训练图像处理网络的方法的应用场景的一个示意图。在图5的应用场景中,首先根据左图和右图进行双目深度估计,得到不可靠区域(遮挡mask)和深度图1,将可靠区域对应的深度图1作为单目深度估计网络的监督信息,计算单目深度估计网络对左图估计出的深度值与监督信息的损失值。向减少损失值的方向调整单目深度估计网络的参数,还可以计算单目深度估计网络对右图估计出的深度值与监督信息的损失值。向减少损失值的方向调整单目深度估计网络的参数。单目深度估计网络训练完成后。可将单目深度估计网络对左图估计出的深度值(深度图2)作为双目深度估计网络的监督信息,训练双目深度估计网络。
迭代交替训练单目深度估计网络和双目深度估计网络,并在每次迭代时,使用上一次得到的预测结果作为伪监督信息。这样可以加速训练速度,并且提高单目深度估计网络和双目深度估计网络的准确率。减少人工标注,从而降低训练成本。
进一步参考图6,其示出了图像处理方法的一个实施例的流程600。该图像处理方法的流程600,包括以下步骤:
步骤601,获取待识别的图像。
在本实施例中,图像处理方法的执行主体(例如图1所示的服务器105)可以通过多种方式来获取待识别的图像。可以从数据库服务器(例如图1所示的数据库服务器104)中获取存储于其中的现有的图像,也可以从单目相机或双目相机获取待识别的图像。待识别的图像可以是一张或多张。
步骤602,若图像为校正好的左图和右图,则将图像输入双目深度估计网络,得到双目深度估计值。
在本实施例中,如果待识别的图像为校正好的左图和右图,则可使用流程300的方法训练出的双目深度估计网络进行深度估计,得到双目深度估计值。
步骤603,若图像为单图,则将图像输入单目深度估计网络,得到单目深度估计值。
在本实施例中,如果待识别的图像为单图,则可使用流程200的方法训练出的单目深度估计网络进行深度估计,得到单目深度估计值。
从图6中可以看出,本实施例中的图像处理方法的流程600体现了对图像进行深度估计的步骤。由此,本实施例描述的方案可以针对不同的图像采用最合适的深度估计网络,从而提高图像深度估计的准确性。
进一步参考图7,作为对上述各图所示方法的实现,本公开提供了一种用于训练图像处理网络的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图7所示,本实施例的用于训练图像处理网络的装置700包括:获取单元701、第一训练单元702。其中,获取单元701,被配置成获取根据预设损失函数训练的双目深度学习网络和样本集,其中,样本集中的样本包括校正好的左图和右图。第一训练单元702,被配置成从样本集中选择第一样本,执行如下第一训练步骤:将选取的第一样本的左图和右图输入双目深度学习网络,输出第一视差图。将第一视差图转换成第一双目预测深度图。计算第一双目预测深度图的可靠区域。将选取的第一样本的左图或右图输入单目深度估计网络,得到第一单目预测深度图。将可靠区域的深度值作为单目深度估计网络的伪监督信息,计算第一单目预测深度图中与可靠区域对应的区域的深度值的第一损失值。若第一损失值小于预定第一阈值,则确定出单目深度估计网络训练完成。
在本实施例的一些可选的实现方式中,装置700还包括第一调参单元703,被配置成:若第一损失值不小于预定第一阈值,则调整单目深度估计网络的相关参数,以及从样本集中重新选取第一样本,使用调整后的单目深度估计网络,继续执行第一训练步骤。
在本实施例的一些可选的实现方式中,装置700还包括第二训练单元704,被配置成:从样本集中选择第二样本,执行如下第二训练步骤:获取选取的第二样本的第二双目预测深度图,并确定出第二双目预测深度图的不可靠区域。将选取的第二样本的左图或右图输入训练完成的单目深度估计网络,得到第二单目预测深度图。将不可靠区域的深度值作为双目深度估计网络的伪监督信息,计算第二双目预测深度图中与不可靠区域对应的区域的深度值的双目损失值。根据预设损失函数计算基础损失值。将双目损失值和基础损失值之和确定为第二损失值。若第二损失值小于预定第二阈值,则确定出双目深度估计网络训练完成。
在本实施例的一些可选的实现方式中,装置700还包括第二调参单元705,被配置成:若第二损失值不小于预定第二阈值,则调整双目深度估计网络的相关参数,以及从样本集中重新选取第二样本,使用调整后的双目深度估计网络,继续执行第二训练步骤。
在本实施例的一些可选的实现方式中,第二训练单元704进一步被配置成:若第二样本属于第一样本,则将第一双目预测深度图确定为第二双目预测深度图,并将第一双目预测深度图的可靠区域确定为第二双目预测深度图的可靠区域,将第二双目预测深度图中除可靠区域之外的区域确定为第二双目预测深度图的不可靠区域。
在本实施例的一些可选的实现方式中,第二训练单元704进一步被配置成:若第二样本不属于第一样本,则将选取的第二样本的左图和右图输入双目深度学习网络,输出第二视差图。将第二视差图转换成第二双目预测深度图。计算第二双目预测深度图的可靠区域。将第二双目预测深度图中除可靠区域之外的区域确定为第二双目预测深度图的不可靠区域。
在本实施例的一些可选的实现方式中,获取单元701进一步被配置成:获取样本集,其中,样本集中的样本包括校正好的左图和右图。装置700还包括第三训练单元706,被配置成:从样本集中选择第三样本,执行如下第三训练步骤:将选取的第三样本的左图和右图输入初始双目深度学习网络,输出第三视差图。根据第三视差图对原始的右图进行重建,得到重建右图。计算重建右图与原始的右图之间的光度误差作为基础损失值。若基础损失值小于预定第三阈值,则确定出初始双目深度学习网络训练完成,得到双目深度学习网络。
在本实施例的一些可选的实现方式中,装置700还包括第三调参单元707,被配置成:若基础损失值不小于预定第三阈值,则调整初始双目深度学习网络的相关参数,以及从样本集中重新选取第三样本,使用调整后的初始双目深度学习网络,继续执行第三训练步骤。
在本实施例的一些可选的实现方式中,装置还包括迭代单元(附图中未示出),被配置成:迭代交替训练单目深度估计网络与双目深度估计网络,并在每次迭代时,使用上一次得到的预测结果作为伪监督信息。
进一步参考图8,作为对上述各图所示方法的实现,本公开提供了一种图像处理装置的一个实施例,该装置实施例与图5所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图8所示,本实施例的图像处理装置800包括:获取单元801、第一估计单元802、第二估计单元803。其中,获取单元801,被配置成获取待识别的图像。第一估计单元802,被配置成若图像为校正好的左图和右图,则将图像输入由装置700训练的双目深度估计网络,得到双目深度估计值。第二估计单元803,被配置成若图像为单图,则将图像输入由装置700训练的单目深度估计网络,得到单目深度估计值。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图9示出了可以用来实施本公开的实施例的示例电子设备900的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图9所示,设备900包括计算单元901,其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序,来执行各种适当的动作和处理。在RAM 903中,还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
设备900中的多个部件连接至I/O接口905,包括:输入单元906,例如键盘、鼠标等;输出单元907,例如各种类型的显示器、扬声器等;存储单元908,例如磁盘、光盘等;以及通信单元909,例如网卡、调制解调器、无线通信收发机等。通信单元909允许设备900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信息处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理,例如方法用于训练深度估计网络。例如,在一些实施例中,方法用于训练深度估计网络可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元908。在一些实施例中,计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到RAM 903并由计算单元901执行时,可以执行上文描述的方法用于训练深度估计网络的一个或多个步骤。备选地,在其他实施例中,计算单元901可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行方法用于训练深度估计网络。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信息介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以为分布式系统的服务器,或者是结合了区块链的服务器。服务器也可以是云服务器,或者是带人工智能技术的智能云计算服务器或智能云主机。服务器可以为分布式系统的服务器,或者是结合了区块链的服务器。服务器也可以是云服务器,或者是带人工智能技术的智能云计算服务器或智能云主机。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
- 用于人脸图像处理的神经网络训练、人脸图像处理方法及装置
- 图像处理装置、图像处理方法、具有人工智能功能的显示装置以及生成训练神经网络模型的方法