基于全局注意力机制的单目深度估计算法

来源：计算机技术与发展杂志2025年第06期北京时间：

作者：严亚滔;卜鹏辉;王航;田隆涛

单位：1. 西安石油大学 机械工程学院,陕西 西安 710065;2. 陕西省石油钻采装备工程技术研究中心,陕西 西安 710065

摘要：基于深度卷积神经网络(DCNN)的场景三维结构感知方法利用图像中的语义信息能够显著提升结构感知的准确度,日益受到学者们的广泛关注。 典型的 DCNN 网络结构不能有效捕捉全局语义信息导致单目深度估计的深度图中存在边界模糊,该文提出一种融合多种注意力机制的网络结构以提升深度图的结构保持性。 该网络采用编码器-解码器结构,引入结构感知模块和细节强调模块。 结构感知模块中,利用十字交叉注意力机制捕获长距离依赖关系,提高网络获取全局信息的能力。 细节强调模块中,采用通道注意力机制和空间注意力机制,选择性强调多通道特征信息实现不同目标的结构保持,并对边界像素点分配不同权重以提高深度图的边界保持性。 在 KITTI 数据集上的实验结果表明,相较于之前的Monodepth2 模型,该方法深度值绝对误差下降了 0. 8% ,阈值为 1. 25 的精度提升了 1. 8% ,并且优于现有的大多数自监督算法。

关键词：单目深度估计;通道注意力机制;空间注意力机制;自监督学习;多尺度特征