技术特征：
技术总结
本发明公开了一种基于深度可分卷积神经网络的视觉深度估计方法，其先构建深度可分卷积神经网络，其隐层包括卷积层、批规范化层、激活层、最大池化层、conv_block网络块、深度可分卷积网络块、Concatanate融合层、Add融合层、反卷积层、可分离卷积层；然后使用训练集中的单目图像作为原始输入图像，输入到深度可分卷积神经网络中进行训练，得到单目图像对应的估计深度图像；接着通过计算训练集中的单目图像对应的估计深度图像与对应的真实深度图像之间的损失函数值，得到深度可分卷积神经网络训练模型及最优权值矢量；再将待预测的单目图像输入到深度可分卷积神经网络训练模型中，并利用最优权值矢量，预测得到对应的预测深度图像；优点是其预测精度高。
技术研发人员：周武杰;袁建中;吕思嘉;钱亚冠;向坚;张宇来
受保护的技术使用者：浙江科技学院
技术研发日：2018.10.30
技术公布日：2019.01.04