典型文献
基于层级特征融合的单目深度估计算法
文献摘要：
MonoDepth2的提出使自监督单目深度估计取得了重大的进展,但该网络在大的无语义区域和边界处预测效果并不理想,主要原因是基础的U-Net框架没有充分利用多尺度特征信息,导致来自于大梯度区域的深度估计较差.针对此问题,本文提出了一个改进的DepthNet,层级特征融合网络(hierarchical integration net,HINet).优化了U-Net网络结构,使编码器端在每一层都能产生不同尺度的特征信息,从而让解码器端在每一层都能够充分融合多尺度特征.由于不同尺度的特征信息对于特定的解码器层都有不同程度的贡献,本文提出的层级特征融合算法还增加了通道注意力模块,提升重要特征尺度的权重.当采用立体图像对进行训练时,本文对数据进行了预处理,并增加了立体对的深度暗示损失函数.在KITTI数据集上的实验结果表明,所有指标均获得了不同程度的提升,其中绝对相对误差减少了0.09,平方相对误差减少了0.093.
文献关键词：
单目深度;特征提取;U-Net;自监督;层级融合
中图分类号：
作者姓名：
郑秋梅;于涛;王风华;林超
作者机构：
中国石油大学(华东)计算机科学与技术学院,山东青岛266580;中国石油大学(华东)信息化建设处,山东青岛 266580
文献出处：
引用格式：
[1]郑秋梅;于涛;王风华;林超-.基于层级特征融合的单目深度估计算法)[J].光电子·激光,2022(09):925-931
A类：
MonoDepth2,DepthNet,HINet
B类：
层级特征,单目深度估计,估计算法,出使,自监督,计取,无语,多尺度特征,特征信息,计较,特征融合网络,hierarchical,integration,net,编码器,不同尺度,解码器,充分融合,融合算法,通道注意力模块,升重,特征尺度,立体图像,暗示,损失函数,KITTI,方相,层级融合
AB值：
0.306412
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。
