基于CNN特征提取和加权深度迁移的单目图像深度估计

• 作者: 安国艳 梁宇栋 温静
• 来源期刊: 图学学报
• 学科: 工学
• 关键词: 单目深度估计 卷积神经网络特征 加权深度迁移 深度优化
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 专论:第21届中国计算机图形学大会(CHINAGRAPH 2018 广州)
• 页码范围: 248-255
• 页数: 8页
• 分类号: TP391
• 字数: 4236字
• 语种: 中文
• DOI: 10.11996/JG.j.2095-302X.2019020248

摘要

单目图像的深度估计可以从相似图像及其对应的深度信息中获得.然而,图像匹配歧义和估计深度的不均匀性问题制约了这类算法的性能.为此,提出了一种基于卷积神经网络(CNN)特征提取和加权深度迁移的单目图像深度估计算法.首先提取CNN特征计算输入图像在数据集中的近邻图像;然后获得各候选近邻图像和输入图像间的像素级稠密空间形变函数;再将形变函数迁移至候选深度图像集,同时引入基于SIFT的迁移权重SSW,并通过对加权迁移后的候选深度图进行优化获得最终的深度信息.实验结果表明,该方法显著降低了估计深度图的平均误差,改善了深度估计的质量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	温静	山西大学计算机与信息技术学院	12	11	2.0	3.0
2	梁宇栋	山西大学计算机与信息技术学院	2	0	0.0	0.0
3	安国艳	山西大学计算机与信息技术学院	1	0	0.0	0.0