-
题名基于全卷积编解码网络的单目图像深度估计
被引量：5
- 1
-
-
作者
夏梦琪
郝琨
赵璐
-
机构
天津城建大学计算机与信息工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2021年第14期231-236,共6页
-
基金
国家自然科学基金(61902273)
天津市自然科学基金(18JCYBJC85600)。
-
文摘
针对传统方法在单目图像深度估计时精度低、速度慢等问题,提出一种全卷积编码-解码网络模型,该模型将稀疏的深度样本集和RGB图像作为输入,编码层由Resnet和一个卷积层组成,解码层由两个上采样层和一个双线性上采样层组成,上采样层采用上卷积模块和上投影模块交叉使用,有效降低了棋盘效应并保留了预测深度图像的边缘信息。同时,模型中使用了全卷积,使得参数减少,提升了预测速度。在NYU-Depth-v2数据集上验证了网络模型的有效性与优越性。实验结果表明,在仅使用RGB图像进行深度预测的情况下,与多尺度卷积神经网络相比,该模型在精度δ<1.25上提高约4%,均方根误差指标降低约11%;与仅使用RGB图像相比,添加100个空间随机深度样本,均方根误差降低约26%。
-
关键词
单目图像深度估计
卷积神经网络
深度残差网络
稀疏深度测量
-
Keywords
monocular image depth estimation
convolution neural network
depth residual network
sparse depth measurement
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
