Unsupervised CNN for Single View Depth Estimation: Geometry to the Rescue

最新推荐文章于 2022-05-02 22:20:42 发布
最新推荐文章于 2022-05-02 22:20:42 发布
阅读量341 收藏 1
点赞数
分类专栏： 文献阅读 文章标签： cnn 计算机视觉 无监督学习
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/qq_45580233/article/details/121201974
版权
本文提出了一种无监督的深度卷积网络（CNN）框架，用于单目视觉深度估计。利用几何原理，通过双目立体图像计算光度差异，训练CNN模型。采用自编码器损失函数，结合带跳跃结构的粗略到细致训练策略，处理真实世界图像中的复杂因素。实验在部分KITTI数据集上进行，显示了模型的有效性。
摘要由CSDN通过智能技术生成

文章目录

Unsupervised CNN for Single View Depth Estimation: Geometry to the Rescue

  • 目的：单目视觉深度估计
  • 模型：无监督框架的深度CNN
  • 输入：单目图
  • 输出：深度图
  • 训练数据：双目立体图
  • 数据集：不到一半的KITTI

一、介绍

标注数据集较难获得，即便是现有的数据集，如KITTI，捕获的图像分辨率密度低于 5 % 5\% 5%，并且可靠深度范围有限。

现有的使用监督学习训练CNN的泛化性较差。

也可以捕获大量立体图像建立数据集，并用标准几何方法计算视差图，用于训练。但真实图像存在传感器眩光、运动模糊、光照

最低0.47元/天 解锁文章
Goudan＇er
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
unsupervised-depth-completion-visual-inertial-odometry:视觉惯性测距法的无监督深度完成的Tensorflow实现（在RA-L 2020年1月和ICRA 2020中）
05-28
视觉惯性里程表的无监督深度完成 项目讲：德PTHÇompletion从我nertialØdometry和V ision 视觉惯性测距法的无监督深度完成的Tensorflow实现 发表于RA-L 2020年1月和ICRA 2020 模型已在Ubuntu 16.04上使用Python 3.5，Tensorflow 1.14进行了测试 作者：，，斯蒂芬妮·崔 如果您使用这项工作，请引用我们的论文： @article{wong2020unsupervised, title={Unsupervised Depth Completion From Visual Inertial Odometry}, author={Wong, Alex and Fei, Xiaohan and Tsuei, Stephanie and Soatto, Stefano}, journal={IEEE
Unsupervised CNN for Single View Depth Estimation: Geometry to the Rescue（Grag 2016）
sky的博客
04-04 1317
论文地址：https://link.zhihu.com/?target=https%3A//arxiv.org/pdf/1603.04992.pdf 摘要 使用一个类似于autocoder网络训练，训练时考虑一对图像，原始图像和目标图像间的微小相机运动。训练encoder卷积网络来预测原始图像的深度图，然后我们使用估计深度和已知的内部变化对目标图像进行变换，对原始图像进行重建，重建的亮...
读论文 Unsupervised cnn for single view depth estimation Geometry to the rescue
非正经研究生的猪圈
10-09 376
它干了啥 提出了一种方法，进行 单目深度估计，以后再也不用 大量 提前标注的数据了。因为， 算是 一种 自监督吧。 采用了 autoencoder 方法，用两张图，用其中一张 ，预测 深度map， 然后用深度 和 已知的两个相机的位置，这些外部参数，就能算出来 另外一张图，算出来的这个 fake 的图，叫做 重建图。 重建图 和 真实 的源图，之间的 差异，就可以通过 重建损失 进行表示。 天天对原文的笔记 第一部分：介绍 说了之前的 训练手法： 先在 image net 上进行训练， 然后 微调，以适
10.Unsupervised CNN for Single View Depth Estimation: Geometry to the Rescue
乘风的博客
12-04 1239
大体介绍( 当训练deep Convolutional Neural Networks时往往需要大量的手动标记的数据。因此，这篇论文提出了一种非监督的框架来学习DCNN从而进行单视图的深度预测。我们使用类似于自动编码器的方式训练这个神经网络，并且这个框架的学习不需要预训练阶段和annotated ground-truth depths。 在训练时，我们考虑一对图像，源(source)和目标(tar...
论文笔记-Unsupervised CNN for Single View Depth Estimation: Geometry to the Rescue
kingsleyluoxin的博客
08-03 424
论文信息 标题： Unsupervised CNN for Single View Depth Estimation: Geometry to the Rescue 作者：Ravi Garg, Vijay Kumar B G, Gustavo Carneiro, Ian Reid 机构：The University of Adelaide, SA 5005, Australia 代码链接 https://github.com/Ravi-Garg/Unsupervised_Depth_Estimat.
DualGAN: Unsupervised Dual Learning for Image-to-Image Translation
09-03
DualGAN: Unsupervised Dual Learning for Image-to-Image Translation
Unsupervised_learning_country_data:聚类分析
03-16
在这个“Unsupervised_learning_country_data”项目中，我们关注的是对国家数据进行聚类分析，这是一种无监督学习的方法，用于发现数据中的自然群体或模式，而不依赖于预先已知的分类信息。 聚类分析是一种探索性...
论文笔记：Cluster Alignment with a Teacher for Unsupervised Domain Adaptation
01-06
Profile  最近因为个人需要看了一些 DADADA 和 DRDRDR 的文章。  这篇文章比较有意思的是：将聚类设计成目标函数，从而一方面实现经网络抽取特征在分布上的自然聚类，一方面因为特征分布的聚类自然提高了分类效果...
Unsupervised-Deep-Keyphrase-Generation:“无监督的深度关键字生成”的主要代码
04-17
在"Unsupervised-Deep-Keyphrase-Generation-main"这个项目中，开发者可能使用了Python库，如TensorFlow或PyTorch来构建深度学习模型。具体步骤可能包括： 1. 数据预处理：清洗文本，去除停用词和标点符号，将单词...
Unsupervised-Second-Order-HMM:用于标记的隐马尔可夫模型的二阶实现
06-07
无监督二阶隐马尔可夫模型（Unsupervised Second-Order Hidden Markov Model,简称2O-HMM）是一种在序列数据建模中使用的概率模型，尤其适用于处理具有依赖性的序列事件。相比于标准的一阶HMM，二阶HMM考虑了更复杂的...
论文笔记：Unsupervised CNN for Single View Depth Estimation: Geometry to the Rescue（无监督深度预测系列1：naive方法）
upup
06-18 1086
一、基本信息 标题：Unsupervised CNN for Single View Depth Estimation: Geometry to the Rescue 时间：2016 论文领域：深度预测、深度学习 引用格式：Garg R, BG V K, Carneiro G, et al. Unsupervised cnn for single view depth estimation: Geometry to the rescue[C]//European Conference on Computer
读论文笔记：无监督的卷积神经网络对单目视图的深度估计
fuzi2012的博客
05-29 6391
Unsupervised CNN for Single View Depth Estimation: Geometry to the Rescue 作者R Garg ， KBG Vijay ， G Carneiro ，I Reid 论文原文：https://www.researchgate.net/publication/301292064_Unsupervised_CNN_for_Single
单目深度估计论文(3）— Unsupervised cnn for single view depth estimation: Geometry to the rescue (ECCV 2016)
smallEngineer的博客
05-02 161
无监督的单目CNN深度估计 [1] Garg R, Bg V K, Carneiro G, et al. Unsupervised cnn for single view depth estimation: Geometry to the rescue[C].European conference on computer vision. Springer, Cham, 2016: 740-756.
代码学习 (3)（总结）： Unsupervised Monocular Depth Estimation with Left-Right Consistency
qq_43225437的博客
01-27 1158
代码学习笔记 Unsupervised Monocular Depth Estimation with Left-Right Consistency ：monodepth_mode.py 源码：monodepth 源作者网址：model_download 感谢在学习中参考的优秀博文 上图为整体的网络模型 1、在encoder 和 decoder的部分，作者用了 skip-connection 的...
最新开源无监督单目深度估计方法，解决复杂室内场景难训练问题，效果性能远超SOTA...
3D视觉工坊
07-24 2115
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达一、摘要无监督单目深度估计算法已经被证明能够在驾驶场景（如KITTI数据集）中得到精确的结果，然而最近 [5] (ICCV 2019...
基于CNN的深度估计，沈春华老师
lianbus的专栏
01-06 2373
 Estimating Depth from Monocular Images as Classification Using Deep Fully Convolutional Residual Networks https://arxiv.org/abs/1605.02305
CNN+Depth estimation
天空之城
11-16 3552
1 － AlexNet 和 VGG-Net CVPR 2015 基本是 “the year of deep learning”，有大概70%的文章是关于deep learning的。大会请来了2位 keynote speakers: 计算机学家 Yann LuCun (NYU， Facebook) 和 心理学家、神经学家 Jack Gallan (Berkeley)。 Yann是公认的 Co
深度学习+几何结构：1+1>2?
darren2015zdc的博客
05-31 3021
转载： https://mp.weixin.qq.com/s?__biz=MzIxOTczOTM4NA==&mid=2247484275&idx=1&sn=ab9208a8ec01aff81a96b7d2d5c7f82d&chksm=97d7e6e4a0a06ff2b0a7bb69913ea2a90ca7d25b710b59f90e7a86a541cc16662babf631e5a3&scene=
Unsupervised Monocular Depth Estimation with Left-Right Consistency-CVPR17学习笔记
计算机视觉学习爱好者
08-31 2364
0. 摘要 本文在现有方法的基础上进行了创新，在训练中用更容易获得的双目立体图像代替显式深度图的使用。利用极几何约束，用图像重建损失训练网络生成视差图像。只用图像重建损失得到的深度图质量差，作者一共利用了三个损失函数。 1. 介绍  我们的方法很快，在GPU上预测一张512×256图像的深度图只需要大约35ms的时间。 2. 相关工作 略 3. 方法 目前，为大量场景获取深度图的真值...
unsupervised monocular depth estimation with left-right consistency
最新发布
03-16
无监督单目深度估计是指使用只有单张图像而没有深度标签的情况下，通过深度估计模型来预测场景中每个像素的深度信息。左右一致性是指使用一对左右摄像机拍摄的图像，通过对左右图像的深度估计结果进行一致性检验来...
评论
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