-
题名基于采样汇集网络的场景深度估计
被引量：3
- 1
-
-
作者
谢昭
马海龙
吴克伟
高扬
孙永宣
-
机构
合肥工业大学计算机与信息学院
-
出处
《自动化学报》
EI
CSCD
北大核心
2020年第3期600-612,共13页
-
基金
国家自然科学基金(61503111,61273237)资助。
-
文摘
针对现有场景深度估计方法中,由于下采样操作引起的复杂物体边界定位不准确,而造成物体边界处的场景深度估计模糊的问题,受密集网络中特征汇集过程的启发,本文提出一种针对上;下采样过程的汇集网络模型.在下采样过程中,使用尺度特征汇集策略,兼顾不同尺寸物体的估计;在上采样过程中,使用上采样反卷积恢复图像分辨率;同时,引入采样跨层汇集策略,提供下采样过程中保存的物体边界的有效定位信息.本文提出的采样汇集网络(Sampling aggregate network,SAN)中使用的尺度特征汇集和采样跨层汇集,都可以有效缩短特征图到输出损失之间的路径,从而有利于避免模型的参数优化时陷入局部最优解.在公认场景深度估计NYU-Depth-v2数据集上的实验说明,本文方法能够有效改善复杂物体边界等干扰情况下的场景深度估计效果,并在深度估计误差和准确性上,优于当前场景深度估计的主流方法.
-
关键词
采样汇集网络
场景深度估计
尺度特征汇集
上采样
-
Keywords
Sampling aggregate network(SAN)
scene depth estimation
scale feature aggregate
upsampling
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
