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！

龙图腾网获悉中国科学院长春光学精密机械与物理研究所申请的专利基于深度学习的双目立体匹配递归网络的构建方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119250117B 。

龙图腾网通过国家知识产权局官网在2025-11-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411386851.4，技术领域涉及：G06N3/0442；该发明授权基于深度学习的双目立体匹配递归网络的构建方法及装置是由孙海江;王加冕设计研发完成，并于2024-09-30向国家知识产权局提交的专利申请。

本基于深度学习的双目立体匹配递归网络的构建方法及装置在说明书摘要公布了：本发明涉及计算机视觉技术领域，具体提供一种基于深度学习的双目立体匹配递归网络的构建方法及装置，在提取特征阶段，提出了基于核归一化卷积层的自适应空间金字塔池化层，对图像进行多尺度特征提取，在计算匹配代价阶段，利用新的注意力方法来结合正则化成本体积来产生更准确的相似性度量。在主网络框架中采用基于核卷积的门控循环单元GRU作为迭代更新算子，从立体匹配代价体中检索特征，回归迭代更新视差。使GRU能够考虑每个像素周围更广泛的上下文，促进局部和全局信息的融合，提供对特征空间更全面的理解，增强了网络对更大区域的场景结构的推理能力。

本发明授权基于深度学习的双目立体匹配递归网络的构建方法及装置在权利要求书中公布了：1.一种基于深度学习的双目立体匹配递归网络的构建方法，其特征在于，包括： 构建自适应多尺度特征提取模块，所述自适应多尺度特征提取模块包括应用于提取多尺度上下文特征的上下文编码器和应用于左右图像的特征编码器，所述上下文编码器依据立体匹配网络IGEV-Stereo由一系列残差块和下采样层组成，用于初始化更新操作符的隐藏状态，并在更新操作符的每次迭代期间注入门控循环单元GRU，所述特征编码器使用多个具有不同采样率的并行卷积层提取特征，并结合核卷积归一化和自适应偏置后完成特征融合； 构建匹配注意力机制，进行初始代价体的构建，对所述初始代价体进行匹配注意力权重的生成，将最终得到的立体匹配代价体输入到基于GRU的更新算子中进行视差图的迭代更新； 所述构建匹配注意力机制，进行初始代价体的构建，对所述初始代价体进行匹配注意力权重的生成，将最终得到的立体匹配代价体输入到基于GRU的更新算子中进行视差图的迭代更新，包括： 使用分组相关性计算初始的代价体，按照向量内积的方式，在一个视差水平下，沿着通道维度将左右特征矩阵的通道均匀分组，逐组地计算向量内积，两个四维矩阵作内积之后，再在dim=2的维数上计算均值，得到一个三维的矩阵，当遍历完所有的视差水平后，将得到的各个矩阵拆分后进行拼接可打得到分组相关体group-corrvolume，若共有通道，将各个矩阵分成组，则所有特征组g和所有视差水平d的相关性可表示为： 5； 对初始的3D代价体分别从平面和空间两个方向应用十字交叉注意力遍历，经过相关性计算的D的3D代价体，分别是针对平面计算的视差级注意力以及针对平面计算的极线级注意力，经过MAR匹配注意力模块细化后的代价体，将所述代价体输入到GRU迭代更新进一步细化视差图，其中，W为宽度，H为高度，D为深度； 所述对初始的3D代价体分别从平面和空间两个方向应用十字交叉注意力遍历，经过相关性计算的D的3D代价体，分别是针对平面计算的视差级注意力以及针对平面计算的极线级注意力，经过MAR匹配注意力模块细化后的代价体，将所述代价体输入到GRU迭代更新进一步细化视差图，包括： 在视差级中取平面，应用十字交叉注意力遍历，即对其中任意空间位置，按照以为中心十字位置关系计算其对于同行或同列的位置和的相关权重，则包含了对应于此条十字位置关系中任意点的相互映射信息；然后重复一次上述操作，那么对于空间中任意另一位置，总能算出其对应于的相关权重，此时，此平面经注意力细化后得到： 6； 再计算其空间任意位置逐视差级注意力相关权重，由于双目图像通常为左右目图像，根据极线约束原则，在中取平面，重复上述操作，可得 7； 进一步可得匹配注意力公式为： 8； 最终的相关性可表示为： 9； 采用基于核卷积的GRU作为迭代更新算子，从立体匹配代价体中检索特征，通过回归迭代更新视差； 利用平滑损失作为训练损失函数，对整个预测序列中预测值与真实值差距之间的平滑L1损失进行计算，并使用指数加权L1距离作为损失函数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国科学院长春光学精密机械与物理研究所，其通讯地址为：130033 吉林省长春市经济技术开发区东南湖大路3888号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。