期刊专题

10.3778/j.issn.1002-8331.1902-0152

基于改进密集连接型网络的光场深度估计

引用
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.

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

56

TP391(计算技术、计算机技术)

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

2020-06-10(万方平台首次上网日期,不代表论文的发表时间)

共7页

142-148

暂无封面信息
查看本期封面目录

计算机工程与应用

1002-8331

11-2127/TP

56

2020,56(11)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn