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：杭州师范大学

摘要：本发明涉及一种基于演化神经网络架构搜索的单目深度估计方法，首先定义用于深度估计的编码器架构的神经架构搜索空间；然后利用基于遗传算法的神经架构搜索算法在用于深度估计的编码器架构的神经架构搜索空间进行搜索得到最优架构，作为单目深度估计编码器的主干网络，并在主干网络中加入金字塔卷积，单目深度估计编码器与上采样解码器一同构成单目深度估计网络；之后再对单目深度估计网络进行训练，直至网络收敛；最后将测试集输入至训练好的单目深度估计网络，获得图像中每个像素点的预测深度值。本发明将神经架构搜索算法和单目深度估计算法结合，相比较于传统手工架构编码器的单目深度估计算法，具有较高的精度和较小的参数量。

主权项：1.一种基于演化神经网络架构搜索的单目深度估计方法，其特征在于：首先定义用于深度估计的编码器架构的神经架构搜索空间；然后利用基于遗传算法的神经架构搜索算法在所述用于深度估计的编码器架构的神经架构搜索空间进行搜索，在此过程中，将深度估计的准确度δ1作为遗传算法的适应度值，来引导种群更新的方向，经过多次迭代演化得到最优架构；搜索结束后，将最优架构作为单目深度估计编码器的主干网络，并在主干网络中加入金字塔卷积，单目深度估计编码器与上采样解码器一同构成单目深度估计网络；之后再对所述单目深度估计网络进行训练，直至网络收敛；最后将测试集输入至训练好的所述单目深度估计网络，获得图像中每个像素点的预测深度值；利用基于遗传算法的神经架构搜索算法在所述用于深度估计的编码器架构的神经架构搜索空间进行搜索得到最优架构，具体步骤如下：1准备深度估计相应的数据集，并划分为训练集Dtrain和测试集Dtest；所述数据集包含图像-深度值对；2设定搜索训练相关参数以及遗传算法相关参数；所述搜索训练相关参数包括：批处理数据量batchsize，训练轮次epoch，初始学习率lr，权重衰减w，动量系数m；所述遗传算法相关参数包括每个单元中块的数量Nb，标准单元堆叠数量Nc，网络初始通道数C，种群规模Ps，每代产生新个体的数量Gs，交叉率pc，突变率pm；3初始化网络权重；4对于每个批处理轮次，采样一个子网架构，在训练集Dtrain上通过随机梯度下降优化权重参数；5判断是否完成所有批处理轮次的训练，若完成，则进入下一步，否则返回步骤4；6对当前种群中所有个体进行评估，利用权重共享继承步骤4中的权重参数，评估方式为在测试集Dtest的子集上进行推理计算深度估计相关性能评价指标，评价指标包括：绝对相对误差AbsRel，平方相对误差SqRel，均方根相对误差RMSE，对数均方根误差RMSElog，准确度δ1，δ2，δ3，对数误差log10，使用其中的δ1作为个体的适应度值f；δ1的计算公式如下： 其中，y表示预测深度图像中每个像素位置的深度值，y*表示真实深度图像中每个像素位置的深度值；7基于步骤6进行环境选择，即保留优秀个体，淘汰劣质个体；具体操作为：依据适应度值f从大到小对当前所有个体进行降序排序，只保留前Ps的个体，组成当前种群，并更新记录最优架构αbest；8在完整测试集Dtest上重新验证当前最优架构αbest的性能；9依据交叉率pc和突变率pm，对当前种群依次进行选择、交叉、突变操作，重复至产生新个体数量等于Gs；10重复执行一次步骤6～9，增加进化迭代次数；11判断是否完成所有的训练轮次epoch，若未完成，则返回步骤4；若完成，则返回步骤7得到的最优架构αbest；步骤9中选择操作具体为：随机选择个体，每个个体的选择概率根据个体的适应度f获得，每个个体被选择的概率值pj为种群中所有个体适应度归一化，公式如下： 其中，pj为第j个个体被选择的概率，fj表示第j个个体的适应度值；由交叉率pc决定是否要进行交叉；生成一个随机数p，如果p≤pC，则进行交叉，交叉操作具体为：从随机选择的个体中选出两个亲本个体，同时随机生成二进制列表Status′，长度为单元中块的数量Nb，交叉操作基本单位为块；若对应位置列表值为1，则交换该块，为0则不交换，最后返回两个新个体；突变操作具体为：根据突变概率pm，随机生成一个二进制列表Status＝[S1，S2，...，SN]，其中Si＝1的概率为pm，同时随机生成一个只包含±1的符号列表Flag＝[F1，F2，...，FN]；然后，对应位置元素的乘积加到个体编码的相应位置上，即使得个体随机位置编码发生+1或-1；个体突变计算公式如下：Pbefore＝[x1，x2，...，xN]；Pnew＝[fMutationx1，fMutationx2，...，fMutationxN]；fMutationxi＝xi+Si×Fi；其中，Pbefore为突变前的个体编码，Pnew为突变后的新个体编码，xi为个体编码中的每一位，fMutation为每位编码的突变公式，Si为随机生成的二进制状态列表Status中的每一位，Fi为随机生成的二进制符号列表Flag中的每一位；步骤6中各评价指标的计算公式分别如下； 其中，T表示测试图像对应真实深度图中有效像素的总数量，y表示预测深度图像中每个像素位置的深度值，y*表示真实深度图像中每个像素位置的深度值。

全文数据：

权利要求：

百度查询： 杭州师范大学 基于演化神经网络架构搜索的单目深度估计方法