圖像的深度估計(jì)一直是計(jì)算機(jī)視覺領(lǐng)域中一個(gè)重要的問題。在智能機(jī)器人、語義理解、3D場(chǎng)景重構(gòu)和自動(dòng)駕駛等方面都有著極其重要的應(yīng)用。其中,從單幅圖像中獲取深度信息最為困難,因?yàn)椴煌娜S場(chǎng)景可以形成相似的二維圖像,人類可以根據(jù)豐富的先驗(yàn)知識(shí)準(zhǔn)確地判斷單幅圖像的深度信息,但是這對(duì)于計(jì)算機(jī)來說是很困難的。近年來,神經(jīng)網(wǎng)絡(luò)被越來越多地應(yīng)用于單幅圖像深度估計(jì)領(lǐng)域,學(xué)者們提出了大量基于神經(jīng)網(wǎng)絡(luò)的方法。相較于傳統(tǒng)方法,基于神經(jīng)網(wǎng)絡(luò)的方法可以得到更準(zhǔn)確的深度估計(jì),但其結(jié)果與真實(shí)深度圖依然存在較大差距。首先,本文對(duì)單幅圖像深度估計(jì)領(lǐng)域的國(guó)內(nèi)外研究現(xiàn)狀進(jìn)行了研究與分析,發(fā)現(xiàn)現(xiàn)有的大部分單幅圖像深度估計(jì)方法對(duì)于原始圖像中物體的邊緣信息都不能給出較為清晰的深度表示。因此,本文提出了一種基于殘差稠密網(wǎng)絡(luò)的單幅圖像深度估計(jì)方法。通過將殘差稠密模塊引入到具有跳躍連接的編碼器-解碼器結(jié)構(gòu),提出了一種適用于單幅圖像深度估計(jì)的殘差稠密網(wǎng)絡(luò)。同時(shí)使用雙目立體圖像對(duì),實(shí)現(xiàn)網(wǎng)絡(luò)的自監(jiān)督訓(xùn)練。通過引入殘差稠密模塊,整個(gè)網(wǎng)絡(luò)可以更好地獲取圖像的局部特征,使該方法對(duì)于物體邊緣信息的提取能力得到提高。然后,通過對(duì)基于神經(jīng)網(wǎng)絡(luò)的單幅圖像深度... 

【文章來源】：遼寧大學(xué)遼寧省 211工程院校

【文章頁數(shù)】：77 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 基于傳統(tǒng)方法的單幅圖像深度估計(jì)
        1.2.2 基于神經(jīng)網(wǎng)絡(luò)的單幅圖像深度估計(jì)
    1.3 本文主要研究?jī)?nèi)容與章節(jié)安排
        1.3.1 主要研究?jī)?nèi)容
        1.3.2 章節(jié)安排
第2章 基于神經(jīng)網(wǎng)絡(luò)的單幅圖像深度估計(jì)相關(guān)理論
    2.1 圖像深度估計(jì)
        2.1.1 深度信息獲取方法
        2.1.2 深度信息表示方式
    2.2 卷積神經(jīng)網(wǎng)絡(luò)
        2.2.1 反卷積
        2.2.2 空洞卷積
    2.3 應(yīng)用于單幅圖像深度估計(jì)的網(wǎng)絡(luò)
        2.3.1 ResNet
        2.3.2 DenseNet
        2.3.3 帶洞空間金字塔池化模塊
    2.4 自監(jiān)督訓(xùn)練方法
        2.4.1 基于立體圖像對(duì)的自監(jiān)督訓(xùn)練方法
        2.4.2 損失函數(shù)
    2.5 本章小結(jié)
第3章 應(yīng)用殘差稠密網(wǎng)絡(luò)的單幅圖像深度估計(jì)方法
    3.1 殘差稠密模塊
        3.1.1 適用于單幅圖像深度估計(jì)的殘差稠密基元
        3.1.2 殘差稠密模塊
    3.2 殘差稠密網(wǎng)絡(luò)
        3.2.1 殘差稠密網(wǎng)絡(luò)的編碼器
        3.2.2 殘差稠密網(wǎng)絡(luò)的解碼器
        3.2.3 殘差稠密網(wǎng)絡(luò)
    3.3 單幅圖像深度估計(jì)方法
        3.3.1 殘差稠密網(wǎng)絡(luò)損失函數(shù)
        3.3.2 殘差稠密網(wǎng)絡(luò)的自監(jiān)督訓(xùn)練方法
    3.4 本章小結(jié)
第4章 結(jié)合深層聚合的單幅圖像深度估計(jì)方法
    4.1 深層聚合網(wǎng)絡(luò)
        4.1.1 深層聚合
        4.1.2 適用于殘差稠密網(wǎng)絡(luò)的深層聚合網(wǎng)絡(luò)
        4.1.3 深層聚合網(wǎng)絡(luò)層次聚合
    4.2 多尺度殘差稠密網(wǎng)絡(luò)
        4.2.1 多尺度網(wǎng)絡(luò)
        4.2.2 視差估計(jì)網(wǎng)絡(luò)
    4.3 應(yīng)用于單幅圖像深度估計(jì)的深層聚合多尺度殘差稠密網(wǎng)絡(luò)
        4.3.1 深層聚合多尺度殘差稠密網(wǎng)絡(luò)
        4.3.2 應(yīng)用深層聚合多尺度殘差稠密網(wǎng)絡(luò)的單幅圖像深度估計(jì)
    4.4 本章小結(jié)
第5章 實(shí)驗(yàn)結(jié)果與分析
    5.1 實(shí)驗(yàn)環(huán)境
        5.1.1 硬件環(huán)境
        5.1.2 軟件環(huán)境
    5.2 實(shí)驗(yàn)數(shù)據(jù)集與評(píng)價(jià)標(biāo)準(zhǔn)
        5.2.1 KITTI駕駛數(shù)據(jù)集
        5.2.2 Eigen Split測(cè)試集
        5.2.3 KITTI Split測(cè)試集
        5.2.4 實(shí)驗(yàn)評(píng)價(jià)標(biāo)準(zhǔn)
    5.3 實(shí)驗(yàn)結(jié)果與分析
        5.3.1 應(yīng)用殘差稠密網(wǎng)絡(luò)的單幅圖像深度估計(jì)實(shí)驗(yàn)結(jié)果與分析
        5.3.2 結(jié)合深層聚合的單幅圖像深度估計(jì)實(shí)驗(yàn)結(jié)果與分析
    5.4 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 進(jìn)一步工作方向
致謝
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文及參加科研情況



本文編號(hào)：2941427