基于结构化深度学习的单目图像深度估计

来源：机器人杂志2017年第6期北京时间：

作者：李耀宇, 王宏民, 张一帆, 卢汉清

摘要：为从单目图像中提取到丰富的3D结构特征，并用以推测场景的深度信息，针对单目图像深度估计任务提出了一种结构化深度学习模型，该模型将一种新的多尺度卷积神经网络与连续条件随机场统一于一个深度学习框架中.卷积神经网络可以从图像中学习到相关特征表达，而连续条件随机场可以根据图像像素的位置、颜色信息对卷积神经网络输出进行优化，将二者参数以联合优化的方式进行学习可以提升模型的泛化性能.通过在NYU Depth数据集上的实验验证了模型的有效性与优越性，该模型预测结果的平均相对误差为0.187，均方根误差为0.074，对数空间平均误差为0.671.

关键词：深度估计, 卷积神经网络, 单目图像, 结构化深度学习, 条件随机场