双路融合的深度估计神经网络方法研究

• 作者: 刘春 吴一珩
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 深度估计 单目视觉 人工智能 神经网络
• 年，卷（期）: 2020,（20）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 138-145
• 页数: 8页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1908-0002

摘要

从单目视觉中恢复深度信息是计算机视觉领域的经典问题,结合传统算法的深度学习方法是近年来的研究热点,但在神经网络的算法融合、参照物标定和应用场景上还有限制.提出了一种双路融合深度估计神经网络结构,分别基于深度与深度梯度的语义信息进行网络训练,对特征融合后再次训练得到最终的细节特征,并通过单次标定的方法解决真实参照物标定工作量大的问题.该网络结构能根据单张RGB图片推测出富有细节的深度信息,网络模型基于KITTI的深度图数据集训练,实验包括KITTI测试集和部分实际场景图集,结果表明该方法在深度信息细节的重建上优于对比深度估计方案,在大视场场景下的鲁棒性优良.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘春		9	28	4.0	5.0
2	吴一珩		1	0	0.0	0.0