基于联合自注意力机制的单目深度估计研究
针对当前基于深度学习的单目图像深度估计方法中仍存在细节模糊,精度不够以及整体深度预测和细节保留方面表现不平衡等问题,提出了一种新型基于联合自注意力模块的端到端网络模型来处理特征图中的远距离依赖关系,该模块使用了空间自注意力机制和通道自注意力机制从而利用局部特征映射并结合全局上下信息来提取深度信息,解决了在卷积神经网络中无法有效集成局部信息和全局信息的问题.另外在联合自注意力模块中引入了过滤机制,能够过滤冗余噪声和信息使网络模型更加聚焦相关性强的特征信息,从而进一步提高深度估计的精度.在NYU-Depth-V2数据集上进行实验验证,结果表明,联合自注意力模块和过滤机制能够有效提高深度估计的精度,并且与其他模型相比,该模型具有一定的优越性.
深度估计、卷积神经网络、自注意力机制、过滤机制、编解码结构
41
TP183(自动化基础理论)
国家电网公司科技项目kj2020-027
2022-09-30(万方平台首次上网日期,不代表论文的发表时间)
共7页
103-109