基于多尺度特征提取的单目图像深度估计

摘要：

在目前基于深度学习的单目图像深度估计方法中,由于网络提取特征不够充分、边缘信息丢失从而导致深度图整体精度不足.因此提出了一种基于多尺度特征提取的单目图像深度估计方法.该方法首先使用Res2Net101作为编码器,通过在单个残差块中进行通道分组,使用阶梯型卷积方式来提取更细粒度的多尺度特征,加强特征提取能力;其次使用高通滤波器提取图像中的物体边缘来保留边缘信息;最后引入结构相似性损失函数,使得网络在训练过程中更加关注图像局部区域,提高网络的特征提取能力.在NYU Depth V2室内场景深度数据集上对本文方法进行验证,实验结果表明所提方法是有效的,提升了深度图的整体精度,其均方根误差(RMSE)达到0.508,并且在阈值为1.25时的准确率达到0.875.

关键词：单目图像、深度估计、多尺度特征、结构相似性损失函数

所属期刊栏目：50

分类号：TP391(计算技术、计算机技术)

在线出版日期：2023-03-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：97-106