文档摘要：针对当前交通场景下自监督单目深度估计存在特征表达能力弱、深度图局部细节模糊、深度估计精度低的问题,提出一种基于双注意力机制和自适应代价卷的自监督单目深度估计方法.该方法首先利用双注意力机制的特征提取网络,结合通道注意力和空间注意力,对提取的场景特征进行自适应加权,增强特征表达能力.其次,根据提取的全局特征自适应的构建代价卷,引导网络学习精细的深度特征,提升网络模型对深度图局部细节的学习能力,解决现有方法深度估计精度低的问题.在自动驾驶公开数据集KITTI、Cityscapes上的实验结果表明,本文方法优于目前主流方法.
Abstract：Aimingattheproblemsofself-supervisedmonoculardepthestimationincurrenttrafficscenarios,suchasweakfeatureexpressionability,fuzzylocaldetailsofdepthmapandlowaccuracyofdepthestimation,aself-supervisedmonoculardepthestimationmethodbasedondualattentionmechanismandadaptivecostvolumeisproposed.Firstly,adu-alattentionmechanismcombiningchannelattentionandspatialattentionisusedtoadaptivelyweighttheextractedscenefeaturestoenhancethefeatureexpressionabilityofthefeatureextractionnetwork.Secondly,accordingtotheadaptivelyconstructedcostvolumeofextractingglobalfeatures,thenetworkisguidedtolearnfinedepthfeatures,whichimprovesthelearningabilityofthenetworkmodelforthelocaldetailsofthedepthmapandsolvestheproblemoflowaccuracyofexist-ingdepthestimationmethods.ExperimentalresultsonpublicdatasetsKITTIandCityscapesshowthattheproposedmeth-odissuperiortothecurrentmainstreammethods.
作者：武港 刘威 胡骏 程帅 杨文兴 孙令岿 Author：WUGang LIUWei HUJun CHENGShuai YANGWen-xing SUNLing-kui
作者单位：东北大学信息科学与工程学院,辽宁沈阳110167东软睿驰汽车技术有限公司,辽宁沈阳110179;东北大学计算机科学与工程学院,辽宁沈阳110167东软睿驰汽车技术有限公司,辽宁沈阳110179
刊名：电子学报 ISTICEIPKU
Journal：ActaElectronicaSinica
年，卷(期)：2024, 52(5)
分类号：TP391.4
关键词：单目深度估计 自监督 注意力机制 自适应 代价卷
Keywords：monoculardepthestimation self-supervision attentionmechanism adaptive costvolume
机标分类号：TP391.41TP274TN919.81
在线出版日期：2024年7月22日
基金项目：面向交通场景基于双注意力机制和自适应代价卷的自监督单目深度估计[
期刊论文] 电子学报--2024, 52(5)武港 刘威 胡骏 程帅 杨文兴 孙令岿针对当前交通场景下自监督单目深度估计存在特征表达能力弱、深度图局部细节模糊、深度估计精度低的问题,提出一种基于双注意力机制和自适应代价卷的自监督单目深度估计方法.该方法首先利用双注意力机制的特征提取网络,结...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
关键词：单目深度估计,自监督,注意力机制,自适应,代价卷,
|
|
