基于多孔卷积神经网络的图像深度估计模型

• 作者: 廖斌 李浩文
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 多孔卷积 卷积神经网络 条件随机场 深度估计 深度学习
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 虚拟现实与多媒体计算
• 页码范围: 267-274
• 页数: 8页
• 分类号: TP391.413
• 字数: 8204字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2018061305

摘要

针对在传统机器学习方法下单幅图像深度估计效果差、深度值获取不准确的问题,提出了一种基于多孔卷积神经网络(ACNN)的深度估计模型.首先,利用卷积神经网络(CNN)逐层提取原始图像的特征图;其次,利用多孔卷积结构,将原始图像中的空间信息与提取到的底层图像特征相互融合,得到初始深度图;最后,将初始深度图送入条件随机场(CRF),联合图像的像素空间位置、灰度及其梯度信息对所得深度图进行优化处理,得到最终深度图.在客观数据集上完成了模型可用性验证及误差估计,实验结果表明,该算法获得了更低的误差值和更高的准确率,均方根误差(RMSE)比基于机器学习的算法平均降低了30.86％,而准确率比基于深度学习的算法提高了14.5％,所提算法在误差数据和视觉效果方面都有较大提升,表明该模型能够在图像深度估计中获得更好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	廖斌	湖北大学计算机与信息工程学院	30	132	5.0	10.0
2	李浩文	湖北大学计算机与信息工程学院	1	3	1.0	1.0