基于单目深度估计和校准参数的距离测算方法

为了提升有监督学习的单目深度估计网络对于实际场景测距任务的准确性和适用性,提出了一种基于单目深度估计和校准参数的距离测算方法。首先通过引入多元注意力模块和优化设计网络结构,构建了一种融合全局上下文和空间注意力机制的网络(GSNet),然后制定校准参数以建立场景的预测距离与实际距离的比例关系,从而获得校准后的距离值。实验证明,融合网络GSNet和校准参数可以有效减小单目深度估计方法在实际测算距离的误差。相比于使用单目深度估计直接预测距离信息,本文方法测算距离的平均绝对误差小于0.15 m,平均相对误差小于10%,具有很好的可行性和准确性。

用笔和镜头记录除夕坚守岗位的人们

人物简介：除夕夜坚守岗位的媒体人 重庆日报摄影记者：巨建兵； 重庆电视台记者：王子瑞、郝岱亚； 华龙网记者：杨涛、罗嘉。 在每个合家团聚的新春佳节里，总有一群坚守在岗位上的平凡人。他们是乘务员、是清洁工，也是默默记录的媒体人。2012年龙年新春，华龙网将视角转向了这群记录者。

聚合多维注意力特征的单目深度估计方法

为了提升单目深度估计网络的预测精度,本文深入研究多维注意力机制对单目深度估计网络的影响与作用,并设计一种优化后的通道和空间注意力模块。在基于局部平面指导层的卷积神经网络框架上,通过设计模块的放置方法,构建可以充分激发多维注意力机制有效性的网络结构。结合以上2点改进措施,得到一种高性能的单目深度估计网络——聚合通道和空间注意力特征的单目深度估计网络。在KITTI深度数据集和NYU Depth V2数据集中,通过实验分别验证优化模块的有效性和聚合网络的优秀性能。相比于基于局部平面指导层的卷积神经网络,聚合网络对于图像的总体特征具有更好的处理能力,预测的深度信息更加精准,网络的多个评价指标均有不同幅度的提升。同时,聚合网络生成的深度图也展现出了更多的物体轮廓和细节信息。