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！

申请/专利权人：南京信息工程大学

摘要：本发明公开了图像处理领域的一种单目图像深度估计方法和存储介质，方法包括：获取待估计的单目图像并预处理；将图像输入预先训练的初步深度估计网络和迭代优化网络，获得最终的单目图像深度估计结果；初步深度估计网络包括编码器、解码器和回归头，解码器包含解码层，解码层采用三元组交叉注意力TCA模块，TCA模块对图像的处理包括：WCA模块计算注意力，输出窗口注意力特征；CDA模块计算注意力，输出跨维度注意力特征；REA模块计算注意力，输出相关性注意力特征；FBSF模块融合WCA、CDA和REA模块的输出结果，生成本解码层的输出特征。能够兼顾局部、全局信息和信息间的相关性得到更准确的单目图像深度估计结果。

主权项：1.一种单目图像深度估计方法，其特征是，包括：获取待估计的单目图像并预处理；将预处理过的图像输入预先训练的初步深度估计网络，获得图像初步深度估计结果；将所述初步深度估计结果输入预先训练的迭代优化网络，获得最终的单目图像深度估计结果；所述初步深度估计网络包括编码器、解码器和回归头；所述编码器包括若干个依次连接的编码层，所述解码器包含若干个依次连接的解码层，各所述编码层沿编码顺序方向与各解码层沿解码顺序反方向一一对应；所述解码层采用三元组交叉注意力TCA模块，所述三元组交叉注意力TCA模块包括窗口注意力WCA模块、跨维度注意力CDA模块、相关性注意力REA模块和特征块选择融合FBSF模块；所述窗口注意力WCA模块用于对输入的编码特征和解码特征计算注意力，输出窗口注意力特征；所述跨维度注意力CDA模块用于对输入的所述解码特征和所述窗口注意力特征计算注意力，输出跨维度注意力特征；所述相关性注意力REA模块用于对所述窗口注意力特征进行窗口相关性特征提取并计算注意力，输出相关性注意力特征；所述特征块选择融合FBSF模块对所述窗口注意力特征、所述跨维度注意力特征和所述相关性注意力特征融合，生成本解码层的输出特征；最后一个解码层的输出为最终解码特征；所述编码特征为本解码层所对应编码层的输出特征；若本解码层为第一个解码层，则输入本解码层的解码特征为每个所述编码层的输出特征融合后的输出特征，若本解码层不为第一个解码层，则输入本解码层的解码特征为前一个解码层的输出特征；所述回归头，用于根据所述最终解码特征生成所述初步深度估计结果。

全文数据：

权利要求：

百度查询： 南京信息工程大学 一种单目图像深度估计方法和存储介质