基于编解码卷积神经网络的单张图像深度估计

• 作者: 刘圣杰 刘立强 崔家礼 贾瑞明
• 来源期刊: 图学学报
• 学科: 工学
• 关键词: CNN 编码器-解码器 深度估计 单目视觉
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 计算机视觉
• 页码范围: 718-724
• 页数: 7页
• 分类号: TP391
• 字数: 5730字
• 语种: 中文
• DOI: 10.11996/JG.j.2095-302X.2019040718

摘要

针对传统方法在单目视觉图像深度估计时存在鲁棒性差、精度低等问题,提出一种基于卷积神经网络(CNN)的单张图像深度估计方法.首先,提出层级融合编码器-解码器网络,该网络是对端到端的编码器-解码器网络结构的一种改进.编码器端引入层级融合模块,并通过对多层级特征进行融合,提升网络对多尺度信息的利用率.其次,提出多感受野残差模块,其作为解码器的主要组成部分,负责从高级语义信息中估计深度信息.同时,多感受野残差模块可灵活地调整网络感受野大小,提高网络对多尺度特征的提取能力.在NYUD v2数据集上完成网络模型有效性验证.实验结果表明,与多尺度卷积神经网络相比,该方法在精度δ<1.25上提高约4.4％,在平均相对误差指标上降低约8.2％.证明其在单张图像深度估计的可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘立强	北方工业大学信息学院	6	4	1.0	1.0
2	崔家礼	北方工业大学信息学院	9	23	3.0	4.0
3	贾瑞明	北方工业大学信息学院	12	23	3.0	4.0
4	刘圣杰	北方工业大学信息学院	2	1	1.0	1.0