基于深度CRF网络的单目红外场景深度估计

发布时间：2021-07-14 02:26

　　对单目红外图像进行深度估计,不仅有利于3D场景理解,而且有助于进一步推广和开发夜间视觉应用。针对红外图像无颜色、纹理不丰富、轮廓不清晰等缺点,本文提出一种新颖的深度条件随机场网络学习模型（deep conditional random field network, DCRFN）来估计红外图像的深度。首先,与传统条件随机场（conditional random field, CRF）模型不同,DCRFN不需预设成对特征,可通过一个浅层网络架构提取和优化模型的成对特征。其次,将传统单目图像深度回归问题转换为分类问题,在损失函数中考虑不同标签的有序信息,不仅加快了网络的收敛速度,而且有助于获得更优的解。最后,本文在DCRFN损失函数层计算不同空间尺度的成对项,使得预测深度图的景物轮廓信息相比于无尺度约束模型更加丰富。实验结果表明,本文提出的方法在红外数据集上优于现有的深度估计方法,在局部场景变化的预测中更加平滑。 

【文章来源】：红外技术. 2020,42(06)北大核心CSCD

【文章页数】：9 页

【部分图文】：

DCCRFN学习模型型Fig.2DCRFNlearnningmodel

第20584.本果42卷第6期020年6月86Fig.5Search.2实验结果在给定模本文提出的D果。可以看出图5DCRFhfortheoptima果分析模型最优超参DCRFN与一出，在NUSTTable2ComMethMake3D[6]Eigenetal.[11]DeepLabV1[16Liu-DCNF[19]Caoetal.[27]PRN[1]DCRFN(Ours)N超参数寻优alhyper-param参数的情况下一些经典方法TMS数据集表2Dmparisonofdepod]])Fig.6Ex优meterofDCRFN下，表2列出法定量比较的集上，本文方DCRFN模型与pthestimationrError(Lowrell0.3120.0.2300.0.2310.0.2290.0.2250.0.2100.0.1840.图6NUSTMxamplesofpre红外技InfraredTechN出了的结方法优于法在通过献[域关合的于方法计了征来任意出，场景树木行人特征与其他经典方法resultsbetweenwerisbetter)lg10rms0974.1240873.310933.3940813.2970833.2990873.2520752.984MS数据集下预dicteddepthm术nology于有监督学习在误差和正确过深度卷积网6]中通过手工关系，这使得的方法（文献PGM的方法法，这主要由了两个深度特来自简单的预意4个不同场针对可见光景的总体深度木的轮廓、第人等；而本文征网络，因此法的深度估计结nDCRFNmodeAcc1.2548479240.6440.7160.7160.7310.7320.7410.789预测深度图实例mapsonNUSTM习的方法。相确率两个评估网络获得的一工提取的特征得它们表现弱献[16,19,27]和法中，本文提由于本文针对特征模型，而预设先验。图场景下的定性光设?

第20的型一仅5红的C模件的D自够物红不标低域42卷第6期020年6月最后，本的重要性。如型，仅成对模一元项和成对仅由一元模型图8Fig.8Thedetrainin结论本文提出红外图像的深的应用。现有NNs，由于忽模糊甚至错误件下，将CNN的联合优化提DCRFN模型自主学习。同够融合到DC物边缘预测。红外图像和深不同尺度深度标证明了本文在未来的低网络的参数域实际应用。本文分析证明如图7所示，模型和总体输对项来模拟标型虽可以估计训练过程中Decompositionpg出一种新颖的深度信息，这有的红外图忽略了优化结误。本文在充Ns与CRF的提升了模型的型无需预先定同时深度的离RFN损失函除此之外，深度图之间的度序列之间的文方法的可行的研究工作中数规模，以便除此之外，王倩倩明了成对项模本文分别输输出结果的对标签的联合分计出的整体的FDCRFN分解表performanceof的DCRFN模这有助于推进图像深度估计结构损失，造充分考虑红外的优势结合在的泛化能力。值定义成对特征离散策略，使函数中，从而DCRFN不的关系，而且的关系。最后行性与准确性中，将考虑采便模型能在夜考虑将红外倩等：基于深度模型于整个模输出了仅一元对比。通过定分布，可以看出的深度图，添图7DFig.7Thedec表现对比DCRFNduring模型来估计单进夜间视觉产计方法虽基造成预测深度外图像特点的在模型中，二值得注意的是征，可以实现使得有序约束而获得更好的不仅建立了原且还构造了场后，实验评估性。采

【参考文献】：
期刊论文
[1]基于金字塔型残差神经网络的红外图像深度估计[J]. 顾婷婷,赵海涛,孙韶媛.  红外技术. 2018(05)



本文编号：3283218