基于多尺度神经网络与特征融合的单目深度估计
计算机视觉与模式识别
2020-09-22 v1 机器学习
摘要
从单目图像进行深度估计是计算机视觉中一个具有挑战性的问题。在本文中，我们使用一种采用多尺度特征融合的新型网络架构来解决此问题。我们的网络使用两个不同的模块，第一个模块使用不同尺寸的滤波器进行卷积并合并所有单独的特征图。第二个模块使用空洞卷积代替全连接层，从而减少计算量并增大感受野。我们提出了一种用于训练网络的新损失函数，它结合了深度回归项、SSIM 损失项和多项逻辑损失项。我们在 Make 3D 数据集、NYU Depth V2 数据集和 Kitti 数据集上使用由 RMSE 损失和 SILog 损失组成的深度估计标准评估指标对网络进行训练和测试。我们的网络以更少的参数超越了以往的 SOTA 方法。
引用
@article{arxiv.2009.09934,
title = {Monocular Depth Estimation Using Multi Scale Neural Network And Feature Fusion},
author = {Abhinav Sagar},
journal= {arXiv preprint arXiv:2009.09934},
year = {2020}
}
备注
11 pages, 4 figures, Submitted to Neurips 2020