摘要
本发明公开了一种基于类脑单光子计算成像的场景反射率和深度图重建方法,分别模拟了大脑中的非目标导向的背景噪声抑制机制和目标导向的信息自适应选择机制,形成了一个双分支神经网络,即非目标导向的神经网络和目标导向的神经网络,前者用于实现采集的单光子三维数据的噪声抑制,后者则实现从噪声抑制后的单光子三维数据中重建出目标场景的反射率图和深度图。本发明的方法通过模拟大脑目标导向的和非目标导向的背景噪声抑制机理,有效提升现有基于深度学习的单光子计算成像算法的精度和鲁棒性,以及在不同噪声环境下的泛化性,增强后续计算机视觉目标检测、识别、跟踪任务的性能,提升信息探测和感知能力的精度、鲁棒性、泛化性。
技术关键词
深度图重建方法
反射率
分支
背景噪声抑制
场景
训练神经网络
编解码器架构
神经网络结构
训练集数据
成像算法
神经网络模型
鲁棒性
计算机视觉
注意力机制
信号调制
系统为您推荐了相关专利信息
无人平台
数据采集层
算法插件
数据采集模块
外部设备
变形空间金字塔
图像卷积特征
样本
分支
融合特征
深度计数器
进程
计算机可读指令
多点同步系统
接口