引入生成对抗网络的室外场景单目深度估计

摘要：

生成对抗网络(GAN)算法在室外场景的深度估计任务中准确率较低,对于物体边界判断不准确.针对该问题,提出基于循环生成对抗网络(CycleGAN)的单目深度估计算法,将单幅图像映射到深度图像的过程拆分为两个子阶段.第一阶段中,网络学习图像的基本空间特征,得到粗糙尺度下的深度图像;第二阶段在前者的基础上,通过细节上的差异对比,优化深度图像,得到精细尺度下的深度图像.为了进一步提高深度估计的精度,在损失函数中引入了L1距离,让网络可以学习像素到像素的映射关系,避免出现较大的偏差与失真.在公开的室外场景数据集Make3D上的实验结果表明,与同类型算法相比,该算法的平均相对误差、均方根误差取得更好的效果.

关键词：深度估计、生成对抗网络、图像转换、半监督学习、深度学习

所属期刊栏目：57

分类号：TP183(自动化基础理论)

资助基金：国家重点研发计划2018YFC0704300

在线出版日期：2021-03-25（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：176-183