典型文献
基于多尺度特征融合的快速单目图像深度估计
文献摘要：
文章针对目前采用深度学习估计单目图像深度中存在推理时间长、物体边缘细节不清晰的问题,设计一种基于多尺度特征融合的快速单目图像深度估计网络.将GhostNet运用到单目图像深度估计网络的编码网络中,提高网络的编码速度;采用反卷积和双线性插值设计解码网络,并通过跨层连接将编码网络的特征与解码网络的特征融合增强深度图中物体的边缘细节.在通用数据集NYU Depth V2上训练和测试的结果表明,该文设计的网络模型得到的深度图细节保持较为完整,同时具有较高的推理速度.
文献关键词：
深度学习;单目图像深度估计;边缘细节;多尺度特征融合;推理速度
中图分类号：
作者姓名：
孔慧芳;房亮
作者机构：
合肥工业大学 电气与自动化工程学院,安徽 合肥 230009
文献出处：
引用格式：
[1]孔慧芳;房亮-.基于多尺度特征融合的快速单目图像深度估计)[J].合肥工业大学学报（自然科学版）,2022(03):332-335,432
A类：
B类：
多尺度特征融合,单目图像深度估计,推理时间,边缘细节,GhostNet,编码网络,编码速度,反卷积,双线性插值,解码,跨层连接,融合增强,深度图,中物,通用数据,NYU,Depth,V2,细节保持,推理速度
AB值：
0.274605
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
