10.3969/j.issn.1006-9348.2022.07.033
基于嵌入式的单目深度估计方法研究
针对目前基于深度神经网络的单目深度估计算法存在网络层数深、参数量大、计算量高、吞吐量低及嵌入式可移植能力差等问题,提出一种基于Mobile Net v1编码器-解码器网络结构的深度估计方法.在编码器端使用Mobile Net v1网络模型提取特征,采用跳跃连接方式增加特征细节部分,解码器端采用卷积及双线性插值的方式上采样估计深度信息,利用不同膨胀率的膨胀卷积捕获多尺度信息,提升精度.在公开数据集NYU depth v2上完成模型的有效验证及与其它算法的对比分析,实验结果表明提出的算法在均方根误差及准确率上优于或者与之相当的情况下,嵌入式端的运行时间及吞吐量有着明显的优势,表明其在嵌入式端的单目深度估计的可行性.
深度学习、深度估计、轻量化网络、嵌入式平台
39
TP391.9(计算技术、计算机技术)
天津市自然科学基金;天津市自然科学基金;天津市高等学校创新团队培养计划资助项目
2022-09-05(万方平台首次上网日期,不代表论文的发表时间)
共5页
179-183