基于采样汇集网络的场景深度估计

• 作者: 吴克伟 孙永宣 谢昭 马海龙 高扬
• 来源期刊: 自动化学报
• 关键词: 采样汇集网络 场景深度估计 尺度特征汇集 上采样
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 论文与报告
• 页码范围: 600-612
• 页数: 13页
• 字数: 12809字
• 语种: 中文
• DOI: 10.16383/j.aas.c180430

摘要

针对现有场景深度估计方法中,由于下采样操作引起的复杂物体边界定位不准确,而造成物体边界处的场景深度估计模糊的问题,受密集网络中特征汇集过程的启发,本文提出一种针对上/下采样过程的汇集网络模型.在下采样过程中,使用尺度特征汇集策略,兼顾不同尺寸物体的估计;在上采样过程中,使用上采样反卷积恢复图像分辨率;同时,引入采样跨层汇集策略,提供下采样过程中保存的物体边界的有效定位信息.本文提出的采样汇集网络(Sampling aggregate network,SAN)中使用的尺度特征汇集和采样跨层汇集,都可以有效缩短特征图到输出损失之间的路径,从而有利于避免模型的参数优化时陷入局部最优解.在公认场景深度估计NYU-Depth-v2数据集上的实验说明,本文方法能够有效改善复杂物体边界等干扰情况下的场景深度估计效果,并在深度估计误差和准确性上,优于当前场景深度估计的主流方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴克伟	合肥工业大学计算机与信息学院	33	325	10.0	17.0
2	谢昭	合肥工业大学计算机与信息学院	44	279	8.0	15.0
3	高扬	合肥工业大学计算机与信息学院	21	58	4.0	7.0
4	孙永宣	合肥工业大学计算机与信息学院	12	18	2.0	3.0
5	马海龙	合肥工业大学计算机与信息学院	1	0	0.0	0.0