单目图像深度估计的评价指标

最新推荐文章于 2022-10-17 16:29:52 发布
VIP文章 最新推荐文章于 2022-10-17 16:29:52 发布
阅读量9.9k 收藏 53
点赞数 16
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Borazxn/article/details/92786851
版权

单目图像深度估计中定量评价指标采用大部分算法所使用的相对误差 (Relative Error, REL)、均方根误差 (Roor Mean Squared Error, RMS) 、对数误差 (Lg Error, LG), 以及精确度 (% correct)。通常误差越小越好，精确度越高越好。

1.绝对相对误差：

AbsRel=\frac{1}{N}\sum_{i=1}^{N}\frac{|D_{i}-D_{i}^{*}|}{D_{i}^{*}}

2.平方相对误差：
           SqRel=\frac{1}{N}\sum_{i=1}^{N}\frac{|D_{i}-D_{i}^{*}|^{2}}{D_{i}^{*}}

3.均方根误差：
           

最低0.47元/天 解锁文章
Borazw
关注
  • 16
    点赞
  • 踩
  • 53
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
基于单目图像的人脸深度估计.pdf
04-14
基于单目图像的人脸深度估计
【科研】一目了然单目深度估计实验评价指标
MengYa_Dream的博客
02-20 1654
【科研】单目深度估计实验评价指标
单目深度估计指标：SILog, SqRel, AbsRel, RMSE, RMSE（log）
qq_34923437的博客
10-13 1万+
待补充MAE，iRMSE 论文中常用：错误率及精度指标 解释： 出处：2014 @ Depth map prediction from a single image using a multi-scale deep network 修正的精度指标δ： 出处：2020@ BANet】Bidirectional Attention Network for Monocular Depth Estimation 尺度无关的误差评价指标: SILog（Scale-Invar...
单目深度估计的评价指标
SHS_JAVA的博客
04-19 6411
目前评价单目深度估计最常用的量化指标是绝对相对差（AbsRel）、均方根误差（RMSE）、RMSE（log）和相对误差（SqRel）。以下为各量化指标的计算公式。   其中di是真实的深度信息，di* 为预测的深度值，在深度估计有有三个常用的阈值thr=1.25，1.252,1.253，在比较真实的深度di和预测的深度di*时，可以采用如下的方法。 选取di/di* 和 di*/di两个之中的最大值，统计所有di中小于阈值thr的像素点所占总体像素点的白分比，越接近于1效果越好，所以阈值越大，即
轻量金字塔解码结构的单目深度估计网络
04-30
针对单目深度估计网络庞大的参数量和计算量，提出一种轻量金字塔解码结构的单目深度估计网络，可以在保证估计精度的情况下降低网络模型的复杂度、减少运算时间。该网络基于编解码结构，以端到端的方式估计单目图像的深度图。编码端使用ResNet50网络结构；在解码端提出了一种轻量金字塔解码模块，采用深度空洞可分离卷积和分组卷积以提升感受野范围，同时减少了参数量，并且采用金字塔结构融合不同感受野下的特征图以提升解码模块的性能；此外，在解码模块之间增加跳跃连接实现知识共享，以提升网络的估计精度。在NYUD v2数据集上的实验结果表明，与结构注意力引导网络相比，轻量金字塔解码结构的单目深度估计网络在误差RMS的指标上降低约11.0%，计算效率提升约84.6%。
基于深度学习的深度估计或VO论文中的评价指标
03-20
基于深度学习的深度估计或vo中性能评估指标，rel、rmse、log10等
深度学习常用评价指标（Accuracy、Recall、Precision、HR、F1 score、MAP、MRR、NDCG）——推荐系统
记录知识，学习分享
04-11 1万+
1、准确率(Accuracy) 定义： 公式： 优缺点： 2、精确率(Precision) 3、召回率(Recall) 4、命中率(Hits Ratio) 5、平均精度均值(Mean average precision) 6、平均倒数排名(Mean Reciprocal Rank) 7、归一化折损累计增益(Normalized Discounted Cumulative Gain) ...
深度学习模型评估性能指标（一文读懂）
liangjian990709的博客
10-17 1325
T/F：预测是正确的还是错误的P/N：预测结果是正例还是负例TP:正确正例，真实为正，预测为正FN:错误负例，预测错误，预测为正，真实为负FP:错误负例，预测错误，预测为正，实际是负TN:正确负例，预测正确，预测是负，真实为负。
光学镜头参数详解（EFL、TTL、BFL、FFL、FBL/FFL、FOV、F/NO、RI、MTF、TV-Line、Flare/Ghost）
热门推荐
qq_35608277的博客
07-23 4万+
1、EFL(Effective Focal Length）有效焦距 定义：指镜头中心到焦点的距离(下图)。 镜头的焦距分为像方焦距和物方焦距(下图)： 像方焦距是指像方主面（后主面）到像方焦点（后焦点）的 距离。 物方焦距是指物方主面（前主面）到物方焦点（前焦点）的距离。 注意事项： （1）焦距过短则视场角过大，导致畸变和主光线出射角难以控制，相对照度过低， 镜片弯曲严重，相差校正困难，因此难以设计。 （2）焦距过长镜头将过长，不利于系统小型化，而且视场角过小，不能满足用户 需求（FOV>60°.
图像增强评价指标合集，用于图像增强结果评价
最新发布
12-13
图像增强评价指标合集，用于图像增强结果评价，包含15种常见指标，IE,EI,UIQM,CCF,FD,ARISM,AB,SF等等，一键使用。
基于深度学习的单目图像深度估计的研究进展
01-26
利用二维图像来进行场景的深度估计是计算机视觉领域的经典问题之一,也是实现三维重建、场景感知的重要环节。近年来基于深度学习的单目图像深度估计发展迅速,各种新算法层出不穷。介绍了深度学习在这一领域的应用历程与研究进展,采用监督与无监督两类方式分别系统地分析了有代表性的算法与框架,综述了深度学习在单目图像深度估计领域的研究进展与变化趋势,总结了当前研究的缺陷与不足,展望了未来研究的热点。
论文研究-基于LLOM的单目图像深度图估计算法.pdf
07-22
针对计算机视觉理解单目图像立体结构的问题, 进行了单目图像深度估计算法的研究。提出了一种基于监督学习方法的室外单目图像深度估计算法, 其采用语义标注信息指导深度估计过程, 融合绝对深度特征、相对深度特征以及位置特征作为深度特征向量, 采用LLOM学习深度特征向量与深度值之间的关系。实验结果显示, 该算法对路面、草地以及建筑物类等深度渐进变化的图像块, 可获得较满意的深度估计结果。本算法为单目图像深度估计开辟了一个全新的有效途径。
单目图像深度估计综述
11-28
在需要对三维环境感知的领域中，如机器人避障、自动驾驶、增强现实等，二维的图像信息很难满足需求，深度估计技术可以很好的提供场景的深度信息。
从单个图像进行单眼深度估计-Python开发
05-25
Monodepth2这是用于训练和测试深度估计模型的参考PyTorch实施，使用挖掘为自我监督的单眼深度预测ClémentGodard，Oisin Mac Aodha，Monodepth2中描述的方法，这是使用PyTorch的参考PyTorch实施，用于训练和测试深度...
采用自监督CNN进行单图像深度估计的方法
07-07
为了提高利用深度神经网络预测单图像深度信息的精确度，提出了一种采用自监督卷积神经网络进行单图像深度估计的方法。首先，该方法通过在编解码结构中引入残差结构、密集连接结构和跳跃连接等方式改进了单图像深度...
单目深度估计技术进展综述（黄军）Xmind思维导图
09-16
单目深度估计的传统方法包括基于线索和基于机器学习的方法，以及当下单目深度估计发展方向——深度学习。文章对传统方法和深度学习方法的国内外研究现状做了较为详细的描述。对单目深度估计的未来发展方向做了预测。...
基于Kinect的红外单目图像测距
11-15
次设计主要以红外单目图像测距控制系统设计应用作为研究背景，深度测距是系统核心功能。基于Kinect 深度相机工作原理，研究Kinect 获取深度距离算法，开发深度测距程序，在不同光照条件下对检测到的人体中心位置进行...
面向无人机自主飞行的无监督单目视觉深度估计
02-22
针对双目视觉深度估计成本高、体积大以及监督学习需要大量深度图进行训练的问题,为实现无人机在飞行过程中的场景理解,提出一种面向无人机自主飞行的无监督单目深度估计模型。首先,为减小不同尺寸目标对深度估计的...
单目深度估计与双目深度估计谁好
09-12
单目深度估计和双目深度估计两种方法各有优劣。单目深度估计是指只利用单个摄像机的图像来估计场景中物体的深度信息，而双目深度估计则是利用两个摄像机同时拍摄的图像来进行深度估计。单目深度估计的优点是硬件成本低，只需要一个摄像机即可，而且可以适用于各种场景。双目深度估计的优点是相对更准确，因为利用了两个视角的信息来进行深度估计，可以提供更多的几何信息。然而，双目深度估计需要两个摄像机，并且在实际应用中可能存在视差匹配的困难。 总的来说，单目深度估计和双目深度估计各有利弊，选择哪种方法更好需要根据具体的应用场景来决定。如果需要简单、低成本的深度估计，单目深度估计是一个不错的选择。如果需要更精确的深度估计，并且可以接受额外的硬件成本和视差匹配的挑战，那么双目深度估计可能更适合。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值