基于多任务模型的深度预测算法研究

摘要：

图像的深度值预测是计算机视觉和机器人领域中的一个热门的研究课题.深度图的构建是三维重建的重要前提,传统方法主要依靠确定固定点深度进行人工标注或是根据相机的位置变化来进行双目定位预测深度,但这类方法一方面费时费力,另一方面也受到相机位置、定位方式、分布概率性等因素的限制,准确率很难得到保证,从而导致预测的深度图难以完成后续三维重建等工作.通过引入基于多任务模块的深度学习方法,可以有效解决这一问题.针对场景图像提出一种基于多任务模型的单目图像深度预测网络,能同时训练学习深度预测、语义分割、表面向量估计3个任务,包括共有特征提取模块和多任务特征融合模块,能在提取共有特征的同时保证各个特征的独立性,提升各个任务的结构性的同时保证深度预测的准确性.

关键词：计算机视觉、单目深度预测、多任务模型、语义分割、表面向量估计

所属期刊栏目：42

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金;国家自然科学基金;国家自然科学基金;国家自然科学基金;国家重点研发计划

在线出版日期：2021-07-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：446-453