典型文献
基于双鉴别器生成对抗网络的单目深度估计方法
文献摘要：
针对自监督单目深度估计精度不高的问题,提出一种基于双鉴别器生成对抗网络的自监督单目深度估计方法.该方法利用生成对抗网络在合成视觉上可信的图像方面的优势,进一步提高了自监督单目深度估计的精度.首先,为充分利用重建图像,在Wasserstein生成对抗网络的基础上进行改进,构建了2个鉴别器的结构.双鉴别器对生成器的要求和训练目标更加严苛,避免了由于只在左图像或右图像上引入鉴别器而造成的信息损失.其次,针对该网络的结构,提出了一种局部-全局一致的损失函数,保证了像素的真实性和局部-全局内容的一致性.在KITTI基准测试集中与单目深度估计的相关代表方法进行了比较,实验结果表明,该方法有效地提高了单目深度估计的精度,具有较好的深度估计的性能.
文献关键词：
单目深度估计;双鉴别器;生成对抗网络;图像重建;自监督学习;机器视觉
中图分类号：
作者姓名：
阮晓钢;颜文静;黄静;郭佩远
作者机构：
北京工业大学信息学部, 北京 100124;计算智能与智能系统北京市重点实验室,北京 100124
文献出处：
引用格式：
[1]阮晓钢;颜文静;黄静;郭佩远-.基于双鉴别器生成对抗网络的单目深度估计方法)[J].北京工业大学学报,2022(09):928-934
A类：
双鉴别器生成对抗网络
B类：
单目深度估计,估计方法,估计精度,法利,重建图像,Wasserstein,生成器,严苛,右图,信息损失,损失函数,像素,局内,KITTI,基准测试集,图像重建,自监督学习,机器视觉
AB值：
0.15153
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。
