基于改进密集连接型网络的光场深度估计

来源：计算机工程与应用杂志2020年第11期北京时间：

作者：苏钰生，王亚飞，李学华

单位：北京信息科技大学 信息与通信工程学院，北京 100101

摘要：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。

关键词：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