科创中国

电子信息技术,新一代信息技术产业,计算机及网络技术,人工智能

本发明公开了基于不确定性自步学习的事件图像重建方法，属于计算机视觉技术领域；通过对事件点个数进行随机采样，事件帧的重建误差、像素平均值方差和拟合残差进行度量来计算事件帧的不确定性。根据不确定性大小自适应地 过滤事件帧，只保留高置信度的事件帧，进而提高事件到图像重建的准确性。在训练过程中，随机采样输入的事件点数，并构建包含不同数量事件点的多组事件帧。这些事件帧共享一个真实的图像，以进行统一的损失计算和模型优。由于随机采样事件点，导致不同事件帧包含的信息量不同。通过在训练阶段增强模型对事件点变化的鲁棒性，最终得到的重建结果能够保持更好的稳定性和可靠性。

本发明提出了一种基于不确定性自步学习的事件图像重建方法，适用于计算机视觉领域中的事件流图像重建任务，属于计算机视觉技术领域。 (1)基于传统视觉算法的事件流图像重建； (2)基于深度学习的事件流图像重建； 构建多输入框架与动态损失函数实现不确定性建模，并使用自步学习渐进式适配网络训练，在不改变网络架构的前提下显著提高其处理复杂动态场景的能力，使之可以生成更丰富细节的高质量重建图像。

发明人 尹宝才　张笑林　王少帆　孙艳丰