典型文献
基于分层压缩激励的ASPP网络单目深度估计
文献摘要：
场景深度估计是场景理解的一项基本任务,其准确率反映了计算机对场景的理解程度.传统的深度估计利用金字塔池化(ASPP)模块可以在不改变图像分辨率的情况下处理不同像素特征,但该模块未考虑不同像素特征之间的关系,导致场景特征提取不准确.针对ASPP模块在深度估计中出现的弊端,提出了一种改进型的ASPP模块,解决了该模块在图像处理中存在的失真问题.首先在卷积核后添加基于分层压缩激励的ASPP结构块,结合各像素特征之间的关系,让网络自适应学习感兴趣部分;再通过构造差值矩阵解决网络层次优化问题;最后在室内公共数据集NYU-Depthv2上进行深度估计网络模型的搭建.与当前主流算法相比,文中算法在定性、定量指标上均有良好表现.在相同的评估指标下,δ1阈值精度提升近3％,均方误差(RMSE)、绝对误差(Abs Rel)下降1.7％,对数域误差(lg)下降约0.3％.该方法所训练的网络模型,解决了传统ASPP模块未考虑不同像素特征之间关系的问题,特征提取能力增强,场景深度估计的结果更加准确.
文献关键词：
深度学习;卷积神经网络;深度估计;空洞空间金字塔池化;分层设计
中图分类号：
作者姓名：
廖志伟;金兢;张超凡;杨学志
作者机构：
合肥工业大学计算机与信息学院,安徽 合肥 230009;工业安全与应急技术安徽省重点实验室,安徽 合肥 230009;中国科学院合肥物质科学研究院,安徽 合肥 230031;合肥工业大学软件学院,安徽 合肥 230009
文献出处：
引用格式：
[1]廖志伟;金兢;张超凡;杨学志-.基于分层压缩激励的ASPP网络单目深度估计)[J].图学学报,2022(02):214-222
A类：
Depthv2
B类：
层压,ASPP,单目深度估计,景深,场景理解,基本任务,计利,图像分辨率,下处,像素,场景特征提取,改进型,失真,真问题,卷积核,网络自适应,自适应学习,感兴趣,网络层,次优,优化问题,公共数据,NYU,流算法,定量指标,阈值精度,精度提升,均方误差,RMSE,绝对误差,Abs,Rel,对数域,lg,特征提取能力,空洞空间金字塔池化,分层设计
AB值：
0.388655
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。
