计算机应用研究

作者：张竞澜,魏敏,文武,

单位：成都信息工程大学计算机学院,成都610225；

关键词：单目深度估计,卷积神经网络,深度学习,

基金：四川省科技厅重点研发项目(2020YFG0442)；；

空洞空间金字塔池化（ASPP）在深度学习各种任务中均有应用，传统ASPP模块只考虑了提升卷积感受视野，但ASPP中的每次空洞卷积选取的像素点分散，会丢失大量像素点间的信息，而深度估计属于密集预测任务。针对ASPP模块这一弊端提出了一种动态密集的DSPP模块。该模块用一种动态卷积代替空洞卷积，结合ASPP的思想，采用不同大小的卷积尺寸，并结合通道注意力充分利用每一层的特征，解决了ASPP丢失信息的问题，与ASPP相比在大大减小模块参数量的前提下，提升了整体模型的准确率。在NYU Depth v2数据集上与主流算法相比，深度图在均方根误差（RMSE）上降低了12.5%，到0.407，并且准确率（δ<1.25）提高了3.4%，达到0.875，验证了算法的有效性。

来源：2022年第12期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第12期