基于细粒度多特征融合的矿井图像无监督单目深度估计方法.pdf
静芙****可爱
亲,该文档总共12页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于细粒度多特征融合的矿井图像无监督单目深度估计方法.pdf
本发明提供一种基于细粒度多特征融合的矿井图像无监督单目深度估计方法,包括以下步骤:步骤1:对原图多次采样,将不同尺度的图像输入到编码器网络;步骤2:将编码器的输出通过扩展卷积模块进行融合并输入到解码器网络;步骤3:将解码器网络输出的视差图进行多尺度融合;步骤4:重建视图;通过采用多尺度图像输入到网络,同时将解码器输出的视差图进行逐层的尺度融合,加强弱纹理区域的深度估计效果,并且增加中间扩展卷积模块,加大对全局信息的理解。
基于密集特征融合的无监督单目深度估计.pptx
,目录PartOnePartTwo特征提取特征融合策略特征融合的优势特征融合的挑战PartThree无监督学习的定义和重要性单目深度估计的挑战基于密集特征融合的无监督单目深度估计方法方法的有效性和局限性PartFour数据集和实验设置性能评估指标实验结果和分析结果比较和讨论PartFive结论总结未来工作方向THANKS
一种基于多尺度特征融合的单目深度估计方法.pdf
本发明涉及一种基于多尺度特征融合的单目深度估计方法,属于三维场景感知领域,包括以下步骤:S1:引入Non‑Local注意力机制,构造混合的归一化函数;S2:在特征提取网络的本层特征、深层特征和浅层特征之间引入注意力机制,计算特征图上特征之间的关联信息矩阵;S3:构建多尺度特征融合模块;S4:在解码网络引入空洞空间金字塔池化模块,扩大卷积的感受野,迫使网络学习更多的局部细节信息。本发明有效的实现了特征提取网络分层特征之间跨空间和跨尺度的特征融合,提高了网络学习局部细节的能力并使深度图在重建过程中完成了细粒度
基于自注意力导向特征融合的自监督单目深度估计方法.pdf
本发明公开一种基于注意力导向特征融合的自监督单目深度估计方法,本发明在编码器中加入通道自注意力模块用以捕获结构场景中更多的全局上下文信息,进而增强特征表示;在解码器中设计基于空间交叉注意力机制的特征融合模块,将增强的特征作为high‑level的特征来引导low‑level特征进一步校准解码器中的特征,以强调特定的语义信息,增强在非连续区域的特征表示能力;最后,解码器输出连接多层深度估计模块,以监督解码器中间层的结果,提高深度估计的精度,防止粗尺度上的估计误差累积并影响到细尺度上的估计,获得更加准确的深度
一种基于深度区间估计的无监督单目深度估计方法.pdf
本发明公开了一种基于深度区间估计的无监督单目深度估计方法,具体为:采用深度估计模型对视频帧进行如下处理:1:提取当前帧的特征图像F;2:对F的空间张量进行空间重构,得到向量x