单张图像的深度信息重建研究.pdfVIP

单张图像的深度信息重建研究 摘 要 从二维图像中感知深度是计算机视觉领域中的一个重要研究方向，其可以 广泛应用于智能驾驶、三维重建、图像分割、机器人视觉等相关任务中。其中， 从单张图像中重建深度信息更具有挑战性。随着近年来深度学习技术的快速发 展，涌现出许多从单张二维图像重建深度图的深度学习网络算法，但依然存在预 测精度低、部分深度信息丢失、边缘模糊等问题。因此，本文研究使用深度学习 网络解决单张图像深度信息重建问题的方法，主要工作如下： （1）提出了一种多尺度融合结构的编解码网络。该网络以编解码结构为基 础，在编码器端提出一种多尺度融合结构，将低维特征图与高维特征图融合，保 持其相关的位置空间关系，以提高编码器编码能力；在解码器端提出另一种多尺 度融合结构，通过将高维特征图与低维特征图相融合，增加网络的细节保持能力， 以提高解码器的解码能力，使网络性能达到最佳。 （2 ）在通用室内、室外数据集上验证了本文算法的有效性，并通过消融实 验（Ablation experiment ）分析各改进对网络性能的提升作用。在通用的室内数 据集NYUD v2 上，本文实验结果与2017 年CVPR 文章 “多尺度+条件随机场”