基于深度学习的无监督光场深度估计

目录

声明

1 绪论

1.1研究背景及意义

1.1.1 深度估计与光场相机的应用

1.1.2 深度学习的应用

1.2国内外研究现状

1.2.2 卷积神经网络的发展现状

1.2.3 光场数据集

1.3论文结构

2 光场与光场深度估计

2.1光场的定义

2.1.1 制作数据集

2.2本章小结

3 基于无监督的单目光场深度估计

3.1基于无监督的单目光场深度估计网络结构

3.2损失函数设计

3.2.1 损失函数整体结构

3.2.2 光场图像的warp操作

3.2.3 光度一致性损失函数

3.2.4 散焦损失函数

3.2.5 视差一致性损失函数

3.3单目无监督深度估计结果分析

3.4本章小结

4 多输入无监督光场深度估计

4.1基于多输入无监督光场深度估计改进思想

4.2多输入的无监督网络结构

4.3多输入的无监督损失函数

4.3.1 角度分辨率图像构建

4.3.2 约束角度熵损失函数-CAE

4.4多输入的无监督光场深度估计实验分析

4.5本章小结

5 实验分析

5.1实验准备

5.1.1 硬件环境搭建

5.1.2 软件环境搭建

5.2方法对比

5.2.1 横向对比单目无监督与多目无监督深度估计方法-4DLF

5.2.2 横向对比单目无监督与多目无监督深度估计方法-真实场景

5.2.3 纵向对比单目无监督与多目无监督深度估计方法

5.3单目与多目算法复杂度分析

5.4本章小节

6 无监督光场深度估计的工业应用

6.1无监督光场深度估计算法的应用

7 总结与展望

7.1论文工作总结

7.2未来工作展望

致谢

参考文献

附录