多层级特征融合结构的单目图像深度估计网络

• 作者: 贾瑞明 李阳 李彤 崔家礼 王一丁
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 单目图像 深度估计 编-解码器结构 多层级融合 亚像素卷积
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 图形图像处理
• 页码范围: 207-214
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0056477

摘要

采用卷积神经网络对单目图像的深度进行估计时,存在深度信息不精确、边缘模糊以及细节缺失等问题.为此,提出一种多层级特征融合结构的深度卷积网络.该网络采用端到端的编-解码器结构,编码器使用ResNet101网络结构将图像转换为高维特征图,解码器使用上采样卷积模块从高维特征图中重建出深度图像,并对编码器与解码器中的不同层级特征进行融合.基于NYUv2数据集与KITTI数据集的实验结果表明,相比其他先进网络,该网络不仅能预测出更加准确的深度信息,而且能保持预测深度图像的边缘信息.