基于改进密集连接型网络的光场深度估计

摘要：

针对传统的光场深度估计算法精度低、计算慢的问题,提出了一种改进DenseNet的多输入流密集连接型卷积神经网络进行光场深度估计的方法.该方法采用的密集连接的结构,减少了模型的计算量.对输入图片进行预处理,转化为极平面图EPI Volume(Epipolar Plane Image)结构,采用随机灰度化等数据增强方法克服训练数据不足,通过神经网络将EPI特征转化为深度信息.在HCI 4D光场数据集上的对比实验结果表明,该方法在均方误差和不良像素率上都取得了良好结果,并且在执行时间上大幅领先于传统算法.

关键词：光场、深度估计、极平面图、卷积神经网络、数据增强、密集连接型网络

所属期刊栏目：56

分类号：TP391(计算技术、计算机技术)

资助基金：北京市自然科学基金-海淀原始创新联合基金重点研究专题;北京市自然科学基金-海淀原始创新联合基金前沿项目;北京市自然科学基金市教委联合资助

在线出版日期：2020-06-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：142-148