基于密集卷积网络的单目图像深度估计方法
来源：计算机工程杂志2021年第11期北京时间：
作者：王亚群, 戴华林, 王丽, 李国燕
单位：天津城建大学 计算机与信息工程学院, 天津 300384
摘要：为解决目前单目图像深度估计方法存在的精度低、网络结构复杂等问题，提出一种密集卷积网络结构，该网络采用端到端的编码器和解码器结构。编码器引入密集卷积网络DenseNet，将前面每一层的输出作为本层的输入，在加强特征重用和前向传播的同时减少参数量和网络计算量，从而避免梯度消失问题发生。解码器结构采用带有空洞卷积的上投影模块和双线性插值模块，以更好地表达由编码器所提取的图像特征，最终得到与输入图像相对应的估计深度图。在NYU Depth V2室内场景深度数据集上进行训练、验证和测试，结果表明，该密集卷积网络结构在δ<1.25时准确率达到0.851，均方根误差低至0.482。
关键词：密集卷积网络,单目图像,编码器,解码器,深度估计
基金资助：天津市自然科学基金（17JCQNJC00500）。
