Fully convolutional multi‐scale dense networks for monocular depth estimation

Monocular depth estimation is of vital importance in understanding the 3D geometry of a scene. However, inferring the underlying depth is ill‐posed and inherently ambiguous. In this study, two improvements to existing approaches are proposed. One is about a clean improved network architecture, for w...

Ամբողջական նկարագրություն

Պահպանված է:

Մատենագիտական մանրամասներ
Հիմնական հեղինակներ:	Jiwei Liu, Yunzhou Zhang, Jiahua Cui, Yonghui Feng, Linzhuo Pang
Ձևաչափ:	Artigo
Լեզու:	Inglês
Հրապարակվել է:	Wiley 2019-08-01
Շարք:	IET Computer Vision
Խորագրեր:	clean improved network architecture end-to-end fully convolutional multiscale dense networks dense upsampling blocks selected skip connection edge-preserving loss functions reverse Huber loss
Առցանց հասանելիություն:	https://doi.org/10.1049/iet-cvi.2018.5645
Ցուցիչներ:	Ավելացրեք ցուցիչ Չկան պիտակներ, Եղեք առաջինը, ով նշում է այս գրառումը!

Fully convolutional multi‐scale dense networks for monocular depth estimation

Նմանատիպ նյութեր