基于像素自适应特征融合的单目深度估计

扫码查看

原文链接

万方数据
维普

中文摘要：场景深度估计是场景理解的一项基本任务,其准确率反映了计算机对场景的理解程度.单目深度估计任务本身是一个不适定问题,因此在很大程度上依赖于场景的先验知识和其他辅助信息,语义信息能够有效地帮助深度估计更好地进行预测.针对单目深度估计任务的特有问题,提出了一种基于融合语义特征的深度神经网络模型,通过像素自适应卷积将目标图像的语义信息融合到深度网络,以提高深度估计的准确性.为了充分利用多尺度图像特征,引入DenseNet模型的基础模块,自适应融合各尺度的有效特征.在NYU-DepthV2室内场景数据集的实验结果显示,验证了模型和方法的有效性,提出的方法在定性和定量评价方面都取得了具有竞争力的结果.

外文标题：Monocular Depth Estimation Based on Pixel Adaptive Feature Fusion

作者：

仵宇

展开 >

作者单位：

中国石油大学(华东)计算机科学与技术学院青岛 266580

关键词：

深度估计语义信息像素自适应卷积自适应特征融合

出版年：

2022

DOI：

10.3969/j.issn.1672-9722.2022.06.021

计算机与数字工程

中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD

影响因子：0.355

ISSN：1672-9722

年,卷(期)：2022.50(6)

参考文献量2