融合空洞卷積網(wǎng)絡(luò)的無(wú)監(jiān)督單目深度恢復(fù)
小型微型計(jì)算機(jī)系統(tǒng)
頁(yè)數(shù): 7 2022-08-25
摘要: 針對(duì)實(shí)際場(chǎng)景中動(dòng)態(tài)物體、場(chǎng)景紋理、相機(jī)曝光等諸多影響,深度圖提取結(jié)果廣泛存在細(xì)節(jié)模糊和丟失等問(wèn)題,同時(shí)因基于深度學(xué)習(xí)的網(wǎng)絡(luò)沒(méi)有傳統(tǒng)算法中的捆集優(yōu)化策略,無(wú)法對(duì)相機(jī)累積的誤差進(jìn)行分?jǐn)?,這些都影響著深度圖的精度.因此本文提出一種融合空洞卷積的DispNet深度網(wǎng)絡(luò),同時(shí)加入誤差分?jǐn)偛呗越o網(wǎng)絡(luò)更強(qiáng)的約束條件.在DispNet的結(jié)構(gòu)設(shè)計(jì)中,模型中加入空洞卷積設(shè)計(jì)新的卷積模塊,使其擴(kuò)大感...