基于自监督学习的轻量级单目深度估计模型训练方法及设备

本发明涉及一种基于自监督学习的轻量级单目深度估计模型训练方法，包括：进行高分辨率驾驶场景视频获取；进行采样、预处理，构建训练集与验证集；构建自监督轻量级单目深度估计模型；将验证集中的图像输入到训练好的自监督轻量级单目深度估计模型中预测逐像素深度。本发明在避免了昂贵的深度标注同时，学习到场景的通用特征，增强模型的泛化性能；本发明构建的模型本身特征高效提取与增强功能与频域信号净化的特性，在多个现实场景下表现优异，极大降低了模型的训练参数量，同时在边缘设备上具有优秀的推理速度；本发明相比于传统的自监督轻量级单目深度估计模型，以最低的模型参数量实现了最优的性能，包括准确率、误差以及计算效率。