基于DenseNet的单目图像深度估计

摘要：

深度信息的获取是场景解析中是非常重要的环节,主要分为传感器获取与图像处理两种方法;传感器技术对环境要求很高,因此图像处理为更通用的方法;传统的方法通过双目立体标定,利用几何关系得到深度,但仍因为环境因素限制诸多;因此,作为最贴近实际情况的方法,单目图像深度估计具有极大研究价值;为此,针对单目图像深度估计,提出了一种基于DenseNet的单目图像深度估计方法,该方法利用多尺度卷积神经网络分别采集全局特征、局部特征;加入了DenseNet结构,利用DenseNet强特征传递、特征重用等特点,优化特征采集过程;通过NYU Depth V2数据集上验证了模型的有效性,实验结果表明,该方法的预测结果平均相对误差为0.119,均方根误差为0.547,对数空间平均误差为0.052.

关键词：深度估计、卷积神经网络、多尺度、DenseNet

所属期刊栏目：27

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2019-08-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：233-236