基于轻量化融合损失网络的单目深度估计

作者：周润民; 王晓红^*; 王辉; 苏靖; 刘璐

来源：智能计算机与应用, 2023, 13(10): 127-132.

DOI：10.3969/j.issn.2095-2163.2023.10.025

• 单目深度估计
• 轻量化
• 损失网络
• 空间注意力机制

针对现有监督学习的单目深度估计存在编码器模型参数量大、计算复杂度高等问题，本文构建了一种基于轻量化融合损失网络的单目深度估计模型，该模型基于编码器-解码器设计。首先，编码器采用网络搜索技术的EfficientNet;其次，解码器设计一种结合双通道空间注意力机制的SU-Net结构模型；最后，在解码器的输出端基于该模型构建ResNet50损失网络，对物体边缘、纹理和轮廓差异进行惩罚，来弥补编码-解码阶段特征信息表达能力不足的问题。在NYU-Depth V2数据集上开展了试验，试验结果表明：该模型深度估计的均方根误差(RMSE)达到了0.419,优于原始基准模型。

• 出版日期2023
• 单位贵州大学