一种用于深度补全的双分支引导网络

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要：深度信息在机器人、自动驾驶等领域中有着重要作用，通过深度传感器获取的深度图较为稀疏，研究人员为了补全缺失的深度信息提出了大量方法。但现有方法大多是针对不透明对象，基于卷积神经网络的强大表征能力，设计了一个双分支引导的编解码结构网络模型，通过针对透明物体的以掩码图为引导的编码分支，提升网络对透明物体特征信息的提取能力，并且使用谱残差块连接编解码部分，提高了网络训练稳定性及获取物体结构信息的能力，除此之外，还加入了注意力机制以提升网络空间和语义信息的特征建模能力。（剩余16167字）

试读结束

目录
monitor