基于多孔卷积神经网络的图像深度估计模型

作     者：廖斌 李浩文 LIAO Bin;LI Haowen

作者机构：湖北大学计算机与信息工程学院武汉430062 

出 版 物：《计算机应用》 (journal of Computer Applications)

年 卷 期：2019年第39卷第1期

页      面：267-274页

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：国家自然科学基金资助项目(61300125)~~ 

主　　题：多孔卷积 卷积神经网络 条件随机场 深度估计 深度学习 

摘      要：针对在传统机器学习方法下单幅图像深度估计效果差、深度值获取不准确的问题,提出了一种基于多孔卷积神经网络(ACNN)的深度估计模型。首先,利用卷积神经网络(CNN)逐层提取原始图像的特征图;其次,利用多孔卷积结构,将原始图像中的空间信息与提取到的底层图像特征相互融合,得到初始深度图;最后,将初始深度图送入条件随机场(CRF),联合图像的像素空间位置、灰度及其梯度信息对所得深度图进行优化处理,得到最终深度图。在客观数据集上完成了模型可用性验证及误差估计,实验结果表明,该算法获得了更低的误差值和更高的准确率,均方根误差(RMSE)比基于机器学习的算法平均降低了30. 86%,而准确率比基于深度学习的算法提高了14. 5%,所提算法在误差数据和视觉效果方面都有较大提升,表明该模型能够在图像深度估计中获得更好的效果。