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...

முழு விளக்கம்

சேமிக்கப்பட்டது:

நூற்பட்டியல் விவரங்கள்
முதன்மை ஆசிரியர்கள்:	Jiwei Liu, Yunzhou Zhang, Jiahua Cui, Yonghui Feng, Linzhuo Pang
வடிவம்:	Artigo
மொழி:	Inglês
வெளியிடப்பட்டது:	Wiley 2019-08-01
தொடர்:	IET Computer Vision
பொருள்கள்:	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
ஆன்லைன் அணுகல்:	https://doi.org/10.1049/iet-cvi.2018.5645
குறிச்சொற்கள்:	குறிச்சொல்லை சேர்க்கவும் டாக்‌ஸ் இல்லை, இந்த பதிவுக்கு குறிச்சொல் சேர்க்கும் முதல் நபராக இருங்கள்!

Fully convolutional multi‐scale dense networks for monocular depth estimation

ஒத்த வளங்கள்