基于全尺度特征融合的无监督单目深度估计 |
| |
引用本文: | 韩壮,王涛,许锟,杨高明.基于全尺度特征融合的无监督单目深度估计[J].齐齐哈尔大学学报(自然科学版),2023(2):25-30+43. |
| |
作者姓名: | 韩壮 王涛 许锟 杨高明 |
| |
作者单位: | 安徽理工大学计算机科学与工程学院 |
| |
基金项目: | 安徽省自然科学基金(2008085MF220); |
| |
摘 要: | 当前无监督单目深度估计取得了很大的进展,但仍然存在着大梯度区域估计不准确的问题,主要是因为深度估计网络没有探索出有效的空间特征和语义信息,导致物体边界等大梯度区域存在着较大误差。针对这一问题,提出全方位探索特征信息的深度估计网络架构,整个框架利用全尺度的跳跃连接进行特征的整合,最后通过有效的通道注意力特征融合模块来进行特征融合,这两个巧妙的设计共同提升了单目深度估计模型的精度。在KITTI数据集上的实验结果表明,能够提升无监督单目深度估计的准确性以及生成更加锐利的物体边界。
|
关 键 词: | 无监督学习 深度估计 特征融合 深度学习 |
|
|