一种基于深度学习的室内场景单目图像深度估计方法

摘要

本发明涉及一种基于深度学习的室内场景单目图像深度估计方法，属于三维场景感知技术领域。本发明首先引入在ImageNet上作图像分类预训练的神经网络EfficientNet‑b7，构造编码器，在在编码器的不同阶段上，引入基于SENet的残差连接以及卷积和重采样的计算操作，然后基于深度区间划分的思想，构造一个关注于图像全局到局部的损失函数，应用到不同阶段的预测上，得到在不同阶段的预测，最后使用基于自注意力机制的Transformer结构，将不同阶段预测的深度信息进行融合后输出场景深度预测结果。本发明通过设计一个新型、高效且轻量的解码器，将传统的串行融合编码器不同阶段的特征改进为并行融合，提高了模型进行深度估计时对于图像的全局与局部信息的综合利用能力。