[1]叶绿,段婷,朱家懿,等.基于多层特征融合的单目深度估计模型[J].浙江科技学院学报,2020,(04):257-263.
　Monocular depth estimation model based on multi-level feature fusion[J].,2020,(04):257-263.
点击复制

基于多层特征融合的单目深度估计模型(/HTML)
分享到：

《浙江科技学院学报》[ISSN:1001-3733/CN:61-1062/R]

卷:
期数:
2020年04期
页码:
257-263
栏目:
出版日期:
2020-09-16

文章信息/Info

Title:
Monocular depth estimation model based on multi-level feature fusion
文章编号:
1671-8798(2020)04-0257-07
作者:
叶绿; 段婷; 朱家懿; Nwobodo Samuel Chuwkuebuka; Annor Arnold Antwi
浙江科技学院 a.信息与电子工程学院;b.机械与能源工程学院,杭州 310023
Author(s):
a.School of Information and Electronic Engineering; b.School of Mechanical and Engineering, Zhejiang Universitity of Science and Technology, Hangzhou 310023, Zhejiang, China
关键词:
特征融合; 双流神经网络; 金字塔结构
分类号:
TP391.41
文献标志码:
A
摘要:
为了获取信息完整的深度图以提高预测深度图的质量,解决单目深度估计模型中特征融合的问题,提出一种融合多尺度和不同层特征的双流神经网络模型。该模型采用ResNet50残差网络结构提取深度特征信息,利用金字塔结构融合不同层次的图像特征,实现低层、中层和高层的特征融合,保证不同层次特征的有效互补,改善多层间特征信息的传递,在一定程度上避免了信息的遗漏和缺失。在KITTI(Karlsruhe Institute of Technology and Toyota Technological Institute)数据集上进行试验,结果表明,该模型的均方根误差为2.370 4,对数均方根误差为0.229,平均对数误差为0.118,阈值精度分别为0.686、0.951、0.977,实现了较好的评测结果。
更新日期/Last Update: