基于全卷积编解码网络的单目图像深度估计

• 作者: 夏梦琪 郝琨 赵璐
• 来源期刊: 计算机工程与应用
• 关键词: 单目图像深度估计 卷积神经网络 深度残差网络 稀疏深度测量
• 年，卷（期）: 2021,（14）
• 所属期刊栏目: 图形图像处理|Graphics and Image Processing
• 页码范围: 231-236
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2004-0432

摘要

针对传统方法在单目图像深度估计时精度低、速度慢等问题,提出一种全卷积编码-解码网络模型,该模型将稀疏的深度样本集和RGB图像作为输入,编码层由Resnet和一个卷积层组成,解码层由两个上采样层和一个双线性上采样层组成,上采样层采用上卷积模块和上投影模块交叉使用,有效降低了棋盘效应并保留了预测深度图像的边缘信息.同时,模型中使用了全卷积,使得参数减少,提升了预测速度.在NYU-Depth-v2数据集上验证了网络模型的有效性与优越性.实验结果表明,在仅使用RGB图像进行深度预测的情况下,与多尺度卷积神经网络相比,该模型在精度δ<1.25上提高约4％,均方根误差指标降低约11％;与仅使用RGB图像相比,添加100个空间随机深度样本,均方根误差降低约26％.