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...

Mô tả đầy đủ

Đã lưu trong:

Chi tiết về thư mục
Những tác giả chính:	Jiwei Liu, Yunzhou Zhang, Jiahua Cui, Yonghui Feng, Linzhuo Pang
Định dạng:	Artigo
Ngôn ngữ:	Inglês
Được phát hành:	Wiley 2019-08-01
Loạt:	IET Computer Vision
Những chủ đề:	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
Truy cập trực tuyến:	https://doi.org/10.1049/iet-cvi.2018.5645
Các nhãn:	Thêm thẻ Không có thẻ, Là người đầu tiên thẻ bản ghi này!

Fully convolutional multi‐scale dense networks for monocular depth estimation

Những quyển sách tương tự