一种基于多尺度CNN和连续CRF的单目图像深度估计方法.pdf
涵蓄****09
亲,该文档总共13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
一种基于多尺度CNN和连续CRF的单目图像深度估计方法.pdf
本发明公开了一种基于多尺度CNN和连续CRF的单目图像深度估计方法,其利用CRF模型根据DCNN的输出深度图计算单点势能,根据输入RGB图像计算成对稀疏势能,最后用MAP(最大化后验概率)算法推导出优化的深度图。本发明结合了多尺度CNN和连续CRF优化思想,不仅能够以较高的精确度估计出深度图,又能使得到的深度图轮廓清晰;本发明所估计的深度有比较高的分辨率,而且所得到的深度图能保留场景中所有对象的深度细节信息,具有更好的视觉效果。
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
一种单目图像深度估计方法与系统.pdf
本发明涉及单目图像深度估计方法和系统,包括:构建仅具有特征摄取部分的CNN模型架构,作为特征摄取架构;按所需深度图的分辨率设置多个全连接层;将全连接层连接至特征摄取架构,组成初级估计网络模型;使用训练数据集训练初级估计网络模型,并提取初级估计网络模型各层的特征图;计算特征图和其相应深度图的平均相对局部几何结构误差,并根据平均相对局部几何结构误差生成最终估计模型;使用训练数据集并结合损失函数对最终估计模型进行训练,并用训练完成后的最终估计模型对输入图像进行深度预测。本发明根据平均相对局部几何结构误差并基于损
一种基于时空注意的单目图像深度估计系统.pdf
本发明提供了一种基于时空注意的单目图像深度估计系统。包括:时空学习模块接收输入的单目图像序列,学习单目图像序列中的时空特征;时空增强模块对时空特征序列进行池化操作获得融合特征,对融合特征执行自注意力操作,得到空间增强后的时空特征;采用卷积操作分别对相邻视图的时空特征进行压缩,采用迭代选择的方式在不同特征图之间执行互注意力操作,得到时序关联特征。时空解码模块对空间增强后的时空特征和时序关联特征进行上采样,输出与图像深度大小相同的深度图。本发明系统不仅对单目视频中空间结构信息和时序关联信息的关注与学习,而且增
基于轮廓锐度的单目图像深度信息估计方法.pdf
本发明提出一种基于轮廓锐度的单目图像深度信息估计方法,该方法应用边缘轮廓锐度作为模糊信息估计特征、通过低层次线索信息进行深度信息提取。首先对图像进行边缘检测;接着对图像中的边缘计算边缘能量、轮廓锐度,并以边缘能量、轮廓锐度作为轮廓的外部能量,结合轮廓的内部能量—轮廓线特征性能量和轮廓线距离能量建立轮廓跟踪模型,求解能量函数的最小值,搜索图像轮廓;然后以深度梯度假设作为先验假设梯度模型,对具有不同的轮廓线的区域进行深度值填充,计算得出深度分布;最后利用原图像信息和所得深度图像信息对得到的深度图像进行优化处理