基于深度學(xué)習(xí)和用戶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)是計算機視覺中的重要研究領(lǐng)域。在場景理解、3D建模、人體姿態(tài)識別等計算機視覺任務(wù)中有著廣泛的應(yīng)用。近幾年來隨著深度學(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，該類算法也存在著對訓(xùn)練樣本數(shù)量要求高、自動恢復(fù)的深度圖難以根據(jù)用戶需求修正、以及難以定義反應(yīng)深度圖真實性的損失函數(shù)等缺陷。
　　針對這些問題，本文首先應(yīng)用深度殘差網(wǎng)絡(luò)和條件隨

2、機場對單張圖像進行深度恢復(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，而條件隨機場對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。實驗表明，本文提出的算法恢復(fù)出的深度圖像在準確率和視覺上都能達到不錯的效果。
　　針對基于卷積神經(jīng)網(wǎng)絡(luò)自動恢復(fù)的深度圖一經(jīng)生成后用戶難以調(diào)整的問題，提出了一種人機交互式的修正算法，用戶觀察由神經(jīng)網(wǎng)絡(luò)生成的原始深度圖，對其不滿意的地方，通過簡單的縫合操作來修正它。該操作