计算机工程与应用

2020, v.56;No.963(20) 138-145

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

双路融合的深度估计神经网络方法研究
Research on Neural Network Method for Depth Estimation Based on Two-Way Fusion

刘春;吴一珩;

摘要(Abstract):

从单目视觉中恢复深度信息是计算机视觉领域的经典问题,结合传统算法的深度学习方法是近年来的研究热点,但在神经网络的算法融合、参照物标定和应用场景上还有限制。提出了一种双路融合深度估计神经网络结构,分别基于深度与深度梯度的语义信息进行网络训练,对特征融合后再次训练得到最终的细节特征,并通过单次标定的方法解决真实参照物标定工作量大的问题。该网络结构能根据单张RGB图片推测出富有细节的深度信息,网络模型基于KITTI的深度图数据集训练,实验包括KITTI测试集和部分实际场景图集,结果表明该方法在深度信息细节的重建上优于对比深度估计方案,在大视场场景下的鲁棒性优良。

关键词(KeyWords): 深度估计;单目视觉;人工智能;神经网络

Abstract:

Keywords:

基金项目(Foundation): 科技部国家重点研发计划项目(No.2017YFC1405400)

作者(Author): 刘春;吴一珩;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享