基于多尺度特征提取的单目图像深度估计

杨巧宁; 蒋思; 纪晓东; 杨秀慧

doi:10.13543/j.bhxbzr.2023.01.012

北京化工大学学报（自然科学版） ›› 2023, Vol. 50 ›› Issue (01) : 97 -106. DOI: 10.13543/j.bhxbzr.2023.01.012

基于多尺度特征提取的单目图像深度估计

杨巧宁, 蒋思, 纪晓东, 杨秀慧

作者信息 +

Author information +

文章历史 +

PDF

摘要

在目前基于深度学习的单目图像深度估计方法中，由于网络提取特征不够充分、边缘信息丢失从而导致深度图整体精度不足。因此提出了一种基于多尺度特征提取的单目图像深度估计方法。该方法首先使用Res2Net101作为编码器，通过在单个残差块中进行通道分组，使用阶梯型卷积方式来提取更细粒度的多尺度特征，加强特征提取能力；其次使用高通滤波器提取图像中的物体边缘来保留边缘信息；最后引入结构相似性损失函数，使得网络在训练过程中更加关注图像局部区域，提高网络的特征提取能力。在NYU Depth V2室内场景深度数据集上对本文方法进行验证，实验结果表明所提方法是有效的，提升了深度图的整体精度，其均方根误差(RMSE)达到0.508,并且在阈值为1.25时的准确率达到0.875。