深度估计-04-Deep Ordinal Regression Network for Monocular Depth Estimation

这是一篇有监督深度估计的文章。在2018年Kitti排行榜上Rank1

参考code (pytorch):  https://github.com/dontLoveBugs/DORN_pytorch/

本文做出两方面的贡献：

• 将深度估计这个回归问题转化为多个离散的二分类问题。
• 使用ASPP网络融合多尺度信息

一、Spacing-Increasing Discretization

作者认为，在单目深度估计时，深度越远处，信息量会越少，因此深度大的地方，预测的误差变大的容忍度是比较高的。这可以通过减小对深度大的像素点的惩罚来实现。

下图中，第一行是回归的做法，预测一个在 间的浮点数作为深度。而二分类做法可以将 划分为 个间隔，对 个间隔进行二分类。 

本文的二分类做法，为了减少对深度较远处的惩罚，将深度从均等分布转化到对数分布。从而使得

深度较远处的区分间隔较大 ，提高了容错。具体计算方式如下公式所示：

（提到为，个人认为有两方面有原因，一是因为代码在计算时，要计算在间隔左边还是右边，如果是=0的情况，则左边没有意义。二是因为在SID公式中不能除0，但是这通常是加上一个小余量1e-8来解决，所以我认为+1的原因是前者，这样更容易理解。）

在loss具体实现过程中，会对每个间隔的输出概率做二分类交叉熵计算。输出为像素在第K个间隔处，深度值位于K的左边还是右边。 

二、Scene Understanding Modular

场景理解模块，通过多个尺度的空洞卷积将不同尺度特征进行融合。

 

三、结果

本文是18年的方法，但结果完全吊打目前一系列自监督的方法。可见有监督方法还是远远优于自监督方法。

四、一些思考

• 本文考虑大深度值的容错性，将真实深度回归转换成分类问题然后映射到log空间。目前有论文提到采用预测视差的方式，即取深度的倒数，可以实现小深度值的稠密预测和大深度值的稀疏预测，这样可能更为简单。
• 而且目前回归问题，例如U-Net结构，也不存在文中所提到的采用FC层进行回归所产生巨大参数量的问题了。
• 本文采用ASPP module融合多尺度信息，这个现在也演变出很多方法可以融合多尺度信息。如 Deeplab / FPN / U-Net。