典型文献
基于迁移学习的高效单目图像深度估计
文献摘要：
在进行三维重建、场景理解等计算机视觉任务时,从二维图像中恢复三维空间中的深度信息是一项基本的任务.当前使用深度学习完成该任务时,精确度较高的方法往往需要巨大的数据量,而这些数据的获取通常复杂且开销大.针对这个问题,提出了一种基于迁移学习的全局自注意力编解码网络.所提网络以单张图像作为输入,在编码时的每一个阶段都具有全局性的感受域,解码后把深度回归任务转化为一种分类任务,在保证模型精确度的前提下大大降低所需的训练数据量.实验结果表明,与当前先进的深度估计网络AdaBins和DPT-Hybrid相比,所提网络在均方根误差上降低了约2.2％和0.3％,在训练数据量上降低了约80％和99.6％.
文献关键词：
成像系统;迁移学习;单目视觉;深度估计;自注意力机制
中图分类号：
作者姓名：
刘佳涛;张亚萍;杨雨薇
作者机构：
云南师范大学信息学院,云南昆明650500;南通理工学院,江苏南通226000
文献出处：
引用格式：
[1]刘佳涛;张亚萍;杨雨薇-.基于迁移学习的高效单目图像深度估计)[J].激光与光电子学进展,2022(16):226-234
A类：
AdaBins
B类：
迁移学习,单目图像深度估计,三维重建,场景理解,计算机视觉,视觉任务,二维图像,三维空间,深度信息,使用深度,数据量,开销,全局自注意力,编解码网络,单张,在编,全局性,分类任务,大大降低,训练数据,DPT,Hybrid,成像系统,单目视觉,自注意力机制
AB值：
0.394455
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
