基于深度學(xué)習(xí)和用戶(hù)交互的單張圖像深度恢復(fù)算法研究.pdf

1、單張圖像的深度恢復(fù)是計(jì)算機(jī)視覺(jué)中的重要研究領(lǐng)域。在場(chǎng)景理解、3D建模、人體姿態(tài)識(shí)別等計(jì)算機(jī)視覺(jué)任務(wù)中有著廣泛的應(yīng)用。近幾年來(lái)隨著深度學(xué)習(xí)的快速發(fā)展，基于卷積神經(jīng)網(wǎng)絡(luò)恢復(fù)深度的深度恢復(fù)方法，逐漸成為本領(lǐng)域里的主流方法，不斷刷新著單張圖像深度恢復(fù)的精度記錄。然而，該類(lèi)算法也存在著對(duì)訓(xùn)練樣本數(shù)量要求高、自動(dòng)恢復(fù)的深度圖難以根據(jù)用戶(hù)需求修正、以及難以定義反應(yīng)深度圖真實(shí)性的損失函數(shù)等缺陷。
　　針對(duì)這些問(wèn)題，本文首先應(yīng)用深度殘差網(wǎng)絡(luò)和條件隨

2、機(jī)場(chǎng)對(duì)單張圖像進(jìn)行深度恢復(fù)。殘差網(wǎng)絡(luò)能夠獲得圖像更大的視界，提取更復(fù)雜而合理的特征，而條件隨機(jī)場(chǎng)對(duì)圖像邊緣具有很好的約束，可以在少量訓(xùn)練樣本情況下產(chǎn)生較好的訓(xùn)練效果。實(shí)驗(yàn)表明，本文提出的算法恢復(fù)出的深度圖像在準(zhǔn)確率和視覺(jué)上都能達(dá)到不錯(cuò)的效果。
　　針對(duì)基于卷積神經(jīng)網(wǎng)絡(luò)自動(dòng)恢復(fù)的深度圖一經(jīng)生成后用戶(hù)難以調(diào)整的問(wèn)題，提出了一種人機(jī)交互式的修正算法，用戶(hù)觀察由神經(jīng)網(wǎng)絡(luò)生成的原始深度圖，對(duì)其不滿(mǎn)意的地方，通過(guò)簡(jiǎn)單的縫合操作來(lái)修正它。該操作