声明
摘要
第一章绪论
1.1研究背景与研究意义
1.2单目深度估计研究现状
1.2.1基于传统方法的单目深度估计方法
1.2.2基于有监督学习的单目深度估计方法
1.2.3基于无监督学习的单目深度估计方法
1.3论文主要内容介绍及章节安排
2.1引言
2.2卷积神经网络
2.2.1卷积层
2.2.2池化层
2.2.3激活函数
2.3相关网络模型
2.3.1ResNet
2.3.2SENet
2.4无监督单目深度估计理论与框架
2.4.1双目相机模型
2.4.2基于无监督学习的单目深度估计框架
2.5本章小结
第三章基于SR-BINet网络的无监督单目深度估计
3.1引言
3.2编码器-解码器网络模型设计
3.2.1基于残差单元和反卷积的网络模型
3.2.2SR-BINet网络模型
3.3损失函数设计
3.3.1图像重建误差
3.3.2视差平滑损失
3.4实验及结果分析
3.4.1数据集介绍
3.4.2实验环境与参数设置
3.4.3评价指标
3.4.4实验结果与分析
3.5本章小结
第四章基于自适应左右一致性约束的无监督单目深度估计
4.1引言
4.2自适应左右一致性约束
4.3网络模型设计
4.4损失函数设计
4.5实验及结果分析
4.5.1实验环境与参数设置
4.5.2评价指标
4.5.3实验结果与分析
4.6本章小结
5.1全文总结
5.2未来工作展望
参考文献
致谢
攻读硕士学位期间的学术成果
山东大学;