申请/专利权人:平安科技(深圳)有限公司
申请日:2020-02-18
公开(公告)日:2024-04-12
公开(公告)号:CN111340077B
主分类号:G06V10/75
分类号:G06V10/75;G06V10/774;G06V10/82;G06N3/0464
优先权:
专利状态码:有效-授权
法律状态:2024.04.12#授权;2022.02.11#实质审查的生效;2020.06.26#公开
摘要:本发明公开了一种基于注意力机制的视差图获取方法、装置、计算机设备及存储介质,涉及人工智能技术领域。该基于注意力机制的视差图获取方法包括:获取左原图和右原图;采用预先训练的特征提取模型从所述左原图提取得到左原图特征矩阵,以及从所述右原图提取得到右原图特征矩阵;采用预设的注意力机制模块过滤所述左原图特征矩阵和所述右原图特征矩阵;根据过滤后的所述左原图特征矩阵和过滤后的所述右原图特征矩阵,得到匹配代价矩阵;将所述匹配代价矩阵输入到预先训练的卷积神经网络中,得到目标匹配代价矩阵;根据所述目标匹配代价矩阵得到视差图。采用该基于注意力机制的视差图获取方法能够得到准确度较高的视差图。
主权项:1.一种基于注意力机制的视差图获取方法,其特征在于,包括:获取左原图和右原图,其中,所述左原图和所述右原图为具有视差关系的图像对;采用预先训练的特征提取模型从所述左原图提取得到左原图特征矩阵,以及从所述右原图提取得到右原图特征矩阵,其中,所述左原图特征包括左原图低层特征矩阵和左原图高层特征矩阵,所述右原图特征包括右原图低层特征矩阵和右原图高层特征矩阵;采用预设的注意力机制模块过滤所述左原图特征矩阵和所述右原图特征矩阵,其中,所述预设的注意力机制模块用于实现对所述左原图低层特征矩阵和所述左原图高层特征矩阵进行特征选择,以及对所述右原图低层特征矩阵和所述右原图高层特征矩阵进行特征选择;根据过滤后的所述左原图特征矩阵和过滤后的所述右原图特征矩阵,得到匹配代价矩阵;将所述匹配代价矩阵输入到预先训练的卷积神经网络中,得到目标匹配代价矩阵;根据所述目标匹配代价矩阵得到视差图;其中,所述注意力机制模块包括第一分支和第二分支,所述采用预设的注意力机制模块过滤所述左原图特征矩阵和所述右原图特征矩阵中,包括对所述左原图特征矩阵进行过滤的步骤如下:将所述左原图高层特征矩阵输入到所述注意力机制模块的第一分支上,得到左原图第一输出特征矩阵,其中,所述第一分支上包括采用1×1卷积核的卷积层、批规范层、非线性层和变换层;将所述左原图低层特征矩阵输入到所述注意力机制模块的第二分支上,得到左原图第二输出特征矩阵,其中,所述第二分支上包括采用1×1卷积核的卷积层;将所述左原图第一输出特征矩阵和所述左原图第二输出特征矩阵在对应元素上进行相乘,得到左原图综合输出特征矩阵;将所述左原图综合输出特征矩阵和所述左原图低层特征矩阵相加,得到所述过滤后的左原图特征矩阵。
全文数据:
权利要求:
百度查询: 平安科技(深圳)有限公司 基于注意力机制的视差图获取方法和装置
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。