基于通道注意力机制的单目深度估计

摘要：

现有单目深度估计(Monocular depth estimation)算法存在细节估计不准确、同一平面距离估计错误的问题.深度信息是通过图像像素的三通道信息估计出来的,目前已有的算法中很少考虑特征图通道之间的相互关系对深度信息的影响.因此本文提出了一种SE-DenseDepth网络,在网络的编码器中嵌入通道注意力机制,依据不同通道对深度信息的贡献度差异,对通道进行编码,提高编码器对图像特征的表征能力.为了获得图像精细的深度信息,网络建立编码器到解码器的跳连接,引入了更多的低层信息.本文在通用室内数据集NYU-Depth V2上训练,并在真实数据上测试.实验结果表明,本文提出的方法在深度突然变化的细节区域表现更好,在远距离大平面的情况下不会出现深度的断层,与其他主流算法相比可以获得较好的深度估计性能.

关键词：单目深度估计、通道注意力机制、多尺度特征提取

所属期刊栏目：38

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;湖南省杰出青年基金

在线出版日期：2023-01-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：2332-2341