基于密集卷积网络的单目图像深度估计方法

摘要：

为解决目前单目图像深度估计方法存在的精度低、网络结构复杂等问题,提出一种密集卷积网络结构,该网络采用端到端的编码器和解码器结构.编码器引入密集卷积网络DenseNet,将前面每一层的输出作为本层的输入,在加强特征重用和前向传播的同时减少参数量和网络计算量,从而避免梯度消失问题发生.解码器结构采用带有空洞卷积的上投影模块和双线性插值模块,以更好地表达由编码器所提取的图像特征,最终得到与输入图像相对应的估计深度图.在NYU Depth V2室内场景深度数据集上进行训练、验证和测试,结果表明,该密集卷积网络结构在δ<1.25时准确率达到0.851,均方根误差低至0.482.

关键词：密集卷积网络;单目图像;编码器;解码器;深度估计

所属期刊栏目：47

分类号：TP391(计算技术、计算机技术)

资助基金：天津市自然科学基金17JCQNJC00500

在线出版日期：2021-11-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：262-267,291