结合注意力与无监督深度学习的单目深度估计

• 作者: 何元烈 岑仕杰 陈小聪
• 来源期刊: 广东工业大学学报
• 学科: 工学
• 关键词: 深度估计 无监督学习 深度学习 注意力 机器人技术
• 年，卷（期）: 2020,（4）
• 页码范围: 35-41
• 页数: 7页
• 分类号: TP249
• 字数: 4377字
• 语种: 中文
• DOI: 10.12052/gdutxb.190140

摘要

针对当前的无监督单目深度估计方法边界模糊的问题,提出了一种基于双重注意力模块的网络架构.这种架构能有效利用图像特征的远程上下文信息解决深度估计中的边界模糊问题.整个框架使用基于视图合成的无监督方法训练,模型框架包括深度估计网络与位姿估计网络,同步估计深度和相机位姿变换.双重注意力模块嵌入在深度估计网络中,包含位置注意力模块和通道注意力模块,能表示远程空间位置和不同特征图间的上下文信息,从而使网络估计出细节更好的深度信息.在KITTI数据集以及Make3D数据集上的实验结果表明,本文的方法能有效提高单目深度估计的精度和解决深度估计边界模糊问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何元烈	广东工业大学计算机学院	28	125	7.0	10.0
2	岑仕杰	广东工业大学计算机学院	2	0	0.0	0.0
3	陈小聪	广东工业大学计算机学院	2	0	0.0	0.0