引入生成对抗网络的室外场景单目深度估计

• 作者: 邹承明 胡佑璞
• 来源期刊: 计算机工程与应用
• 关键词: 深度估计 生成对抗网络 图像转换 半监督学习 深度学习
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 图形图像处理|Graphics and Image Processing
• 页码范围: 176-183
• 页数: 8页
• 分类号: TP183
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2001-0019

摘要

生成对抗网络(GAN)算法在室外场景的深度估计任务中准确率较低,对于物体边界判断不准确.针对该问题,提出基于循环生成对抗网络(CycleGAN)的单目深度估计算法,将单幅图像映射到深度图像的过程拆分为两个子阶段.第一阶段中,网络学习图像的基本空间特征,得到粗糙尺度下的深度图像;第二阶段在前者的基础上,通过细节上的差异对比,优化深度图像,得到精细尺度下的深度图像.为了进一步提高深度估计的精度,在损失函数中引入了L1距离,让网络可以学习像素到像素的映射关系,避免出现较大的偏差与失真.在公开的室外场景数据集Make3D上的实验结果表明,与同类型算法相比,该算法的平均相对误差、均方根误差取得更好的效果.