轻量化自监督单目深度估计
Computer Systems & Applications（2023）
摘要
目前,大多数的增强现实和自动驾驶应用不仅会使用到深度网络估计的深度信息,还会使用到位姿网络估计的位姿信息.将位姿网络和深度网络同时集成到嵌入式设备上,会极大地消耗内存.为解决这一问题,提出一种深度网络和位姿网络共用特征提取器的方法,使模型保持在一个轻量级的尺寸.此外,通过带有线性结构的深度可分离卷积轻量化深度网络,使网络在不丢失过多细节信息前提下还可获得更少的参数量.最后,通过在KITTI数据集上的实验表明,与同类算法相比,该位姿网络和深度网络参数量只有的35.33 MB.同时,恢复深度图的平均绝对误差也保持在0.129.
更多关键词
deep learning,monocular depth estimation,self-supervised learning,lightweight,computer vision
AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要