基于密集卷积网络的单目图像深度估计方法

作者：王亚群; 戴华林; 王丽; 李国燕

来源：计算机工程, 2021, 47(11): 262-291.

DOI：10.19678/j.issn.1000-3428.0059516

• 密集卷积网络
• 单目图像
• 编码器
• 解码器
• 深度估计

为解决目前单目图像深度估计方法存在的精度低、网络结构复杂等问题,提出一种密集卷积网络结构,该网络采用端到端的编码器和解码器结构。编码器引入密集卷积网络DenseNet,将前面每一层的输出作为本层的输入,在加强特征重用和前向传播的同时减少参数量和网络计算量,从而避免梯度消失问题发生。解码器结构采用带有空洞卷积的上投影模块和双线性插值模块,以更好地表达由编码器所提取的图像特征,最终得到与输入图像相对应的估计深度图。在NYU Depth V2室内场景深度数据集上进行训练、验证和测试,结果表明,该密集卷积网络结构在δ<1.25时准确率达到0.851,均方根误差低至0.482。

• 单位
  天津城建大学