应用残差稠密网络的无监督单幅图像深度估计

摘要：

针对单幅图像深度估计中由于轮廓信息模糊造成的深度估计值不准确的问题,本文提出了一种应用残差稠密网络(Residual Dense Network)的单幅图像深度估计方法.该方法通过将残差稠密模块(Residual Dense Model)引入到具有跳跃连接(Skip connection)的编码器解码器结构,提出了一种新的神经网络模型.使用来自双目摄像机的一系列立体图像对,实现神经网络的无监督训练.通过将预测图像输入网络模型得到对应的视差图,再根据视差图与深度图之间的几何关系,得到图像的深度图.本文所提出的网络模型在KITTI驾驶数据集上进行训练,在测试集上得到了优于现存的大部分方法的误差值和准确率,以及更为清晰的物体边缘轮廓信息,从而验证了本文所提出方法在单幅图像深度估计中的有效性和优异性.

关键词：深度估计、稠密残差网络、无监督学习、神经网络

所属期刊栏目：40

分类号：TP391(计算技术、计算机技术)

资助基金：2017年辽宁省科技厅博士科研启动基金指导计划项目20170520276

在线出版日期：2019-12-13（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：2439-2444