聚合多维注意力特征的单目深度估计方法

摘要：

为了提升单目深度估计网络的预测精度,本文深入研究多维注意力机制对单目深度估计网络的影响与作用,并设计一种优化后的通道和空间注意力模块.在基于局部平面指导层的卷积神经网络框架上,通过设计模块的放置方法,构建可以充分激发多维注意力机制有效性的网络结构.结合以上2点改进措施,得到一种高性能的单目深度估计网络——聚合通道和空间注意力特征的单目深度估计网络.在KITTI深度数据集和NYU Depth V2数据集中,通过实验分别验证优化模块的有效性和聚合网络的优秀性能.相比于基于局部平面指导层的卷积神经网络,聚合网络对于图像的总体特征具有更好的处理能力,预测的深度信息更加精准,网络的多个评价指标均有不同幅度的提升.同时,聚合网络生成的深度图也展现出了更多的物体轮廓和细节信息.

关键词：单目深度估计、卷积神经网络、通道注意力、空间注意力

分类号：TP391(计算技术、计算机技术)

资助基金：中国南方电网公司深圳供电局有限公司科技项目090000KK52180035

在线出版日期：2023-07-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：76-81