avatar avatar 我的文献 基于改进密集连接型网络的光场深度估计 作者 苏钰生; 王亚飞; 李学华 单位 北京信息科技大学信息与通信工程学院 期刊 计算机工程与应用 时间 关键词 光场; 深度估计; 极平面图; 卷积神经网络; 数据增强; 密集连接型网络 基金 北京市自然科学基金-海淀原始创新联合基金重点研究专题(No.L182039); 前沿项目(No.L182032); 北京市自然科学基金(市教委联合资助)(No.KZ201911232046)
摘要
针对传统的光场深度估计算法精度低,计算慢的问题,提出了一种改进DenseNet的多输入流密集连接型卷积神经网络进行光场深度估计的方法。该方法采用的密集连接的结构,减少了模型的计算量。首先对输入图片进行预处理,转化为极平面图EPI Volume(epipolar plane image)结构,然后,采用随机灰度化等数据增强方法克服训练数据不足,最终通过神经网络将EPI特征转化为深度信息。在HCI 4D光场数据集上的对比试验结果表明,该方法在均方误差和不良像素率上都取得了良好结果,并且在执行时间上大幅领先于传统算法。
下载 浏览 cnki {{liketext}}
©2019 - iData {{ message }} 关闭