论文笔记_S2D.38_2018-CVPR_DORN_用于单目深度估计的深度有序回归网络

最新推荐文章于 2024-04-24 10:06:11 发布

惊鸿一博

最新推荐文章于 2024-04-24 10:06:11 发布

阅读量1.1k

点赞数

分类专栏：深度学习 SLAM 三维重建文章标签：回归网络数据挖掘

本文链接：https://blog.csdn.net/shyjhyp11/article/details/109321607

版权

SLAM 同时被 3 个专栏收录

223 篇文章 131 订阅 ¥29.90 ¥99.00

订阅专栏

超级会员免费看

三维重建

123 篇文章 62 订阅

订阅专栏

深度学习

96 篇文章 24 订阅

订阅专栏

本文提出了一种深度有序回归网络（DORN），用于解决单目深度估计问题。通过间距递增离散化策略，将深度网络学习转化为序列回归问题，解决了传统方法中深度估计的精度和收敛速度问题。DORN避免了空间池化导致的低分辨率特征图，采用多尺度网络结构捕获多尺度信息，提高了深度图的分辨率。在多个基准测试上，DORN的表现优于现有方法。

摘要由CSDN通过智能技术生成

基本情况

题目：Deep ordinal regression network for monocular depth estimation
出处：Fu, H., Gong, M., Wang, C., Batmanghelich, K., & Tao, D. (2018). Deep ordinal regression network for monocular depth estimation. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (pp. 2002-2011).
采用的数据集：The KITTI Vision Benchmark Suite
开源代码：GitHub - hufu6371/DORN （caffe）

摘要

单眼深度估计在理解3D场景几何中起着至关重要的作用，是一个不适定问题(ill-posed problem)。通过探索来自深度卷积神经网络（DCNN）的图像级信息和层次特征，最近的方法已取得了显着改进。这些方法将深度估计建

了解本专栏

超级会员免费看

惊鸿一博

关注

0
点赞
踩
5

收藏

觉得还不错? 一键收藏
打赏
0
评论
论文笔记_S2D.38_2018-CVPR_DORN_用于单目深度估计的深度有序回归网络

基本情况题目：Deep ordinal regression network for monocular depth estimation 出处：Fu, H., Gong, M., Wang, C., Batmanghelich, K., & Tao, D. (2018). Deep ordinal regression network for monocular depth estimation. InProceedings of the IEEE Conference on Comput.
复制链接

扫一扫