基于生成对抗网络的单目深度图像的生成

发布时间：2022-02-14 22:05

　　深度图片是表示场景中物体的深度信息的图片,场景中的深度信息在目标识别、场景识别、语义分割、物体追踪、场景理解等多种视觉任务中都有很重要的作用。传统的深度图像的生成通过传感器发射并接收物体反射回来的探测光的方法获取场景中的物体的深度信息,如TOF相机、利用结构光来获取深度信息的Kinect相机、以及用激光雷达扫描获得场景中深度信息的方法。但是传统的深度图片的获取受设备影响因素较大,获取难度大,且受场景中特定物体的影响会出现部分深度信息缺失的现象。在利用神经网络生成深度图像方面,国内外也有较多的研究,其方法主要分为两种,分别为通过单目图片来生成深度图片和双目图片来生成深度图片。通过双目图片的匹配可以较为容易的获得场景中的深度信息,因此在利用双目图片生成深度图片方面有较多的研究,而在利用单目图片生成深度图片方面的研究较为少。本文针对单目图片生成深度图片的问题,提出了GAN网络的模型的解决方案,在生成模型中,采用卷积层和卷积层下采样的结构提取深度特征,之后采用pixel shuffle上采样和卷积层的结构将提取到的深度特征还原为深度图像。在判别模型中,采用卷积层和下采样的结构对判别网络的输入进... 

【文章来源】：大连理工大学辽宁省211工程院校985工程院校教育部直属院校

【文章页数】：62 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 深度图像
    1.2 深度图像的获取
    1.3 神经网络生成深度图像的研究现状
    1.4 本文主要架构
2 感知机和神经网络
    2.1 感知机
    2.2 多层感知机
    2.3 激活函数
    2.4 批量学习和反向传播算法
    2.5 深度学习的优化方法
    2.6 损失函数
    2.7 正则化
    2.8 本章小结
3 判别网络和生成网络结构的设计
    3.1 卷积神经网络
        3.1.1 卷积层
        3.1.2 池化层
        3.1.3 Dropout和 Batch Normalization
        3.1.4 激励层和全连接层
        3.1.5 经典卷积神经网络和全连接层的局限性
    3.2 全卷积判别网络结构设计
        3.2.1 全卷积神经网络
        3.2.2 下采样的必要性和DCGAN中的下采样
        3.2.3 全卷积判别网络
    3.3 生成网络网络结构设计
        3.3.1 Encoder-Decoder结构
        3.3.2 上采样
        3.3.3 SRGAN和SRGAN的上采样分析
        3.3.4 生成网络结构
    3.4 本章小结
4 基于GAN网络的深度图像生成算法
    4.1 生成对抗网络
        4.1.1 基于传统GAN网络的单目深度图像的生成
    4.2 基于GAN网络的全卷积单目深度图像的生成算法
        4.2.1 二维标签
        4.2.2 网络算法流程
        4.2.3 损失函数
    4.3 本章小结
5 网络训练和结果
    5.1 实验数据集
    5.2 实验数据设置
    5.3 实验结果
结论
参考文献
攻读硕士学位期间发表学术论文情况
致谢


【参考文献】：
期刊论文
[1]基于深度图像的室内机器人避障系统[J]. 马利红,范晨光,王书平,周武.  浙江师范大学学报(自然科学版). 2016(03)

硕士论文
[1]基于固定双目视觉的移动机器人避障方法研究[D]. 马莉.兰州理工大学 2013



本文编号：3625351