【论文笔记】Depth Map Prediction from a Single Image using a Multi-Scale Deep Network
2016-10-10 10:10
1656 查看
阅读时间:2015.04.26
论文源:NIPS2014
作者及单位: David Eigen deigen@cs.nyu.edu
Christian Puhrsch cpuhrsch@nyu.edu
Rob Fergus fergus@cs.nyu.edu
纽约大学
主要内容:通过CNN来进行对单张图片进行深度估计,单张图片进行深度信息估计做的人比较少,一般是用双目摄像头做的。在这里,作者把CNN当作一个黑盒来看待,用CNN来直接学习图像到它的深度图像信息的映射。
对于第二个创新,则是它采用了一个新的损失函数形式,也是加一个类似于正则化项的东西。
其它的没有了,看这篇文章主要是因为我目前做的也是用图像来做回归,看看它这边的损失函数有什么新的东西没有。
这边解析一下它的网络结构:
两个层次的结构,第一个网络是由一个除粒度的网络结构,其输入是304 \times 228 大小的图片,而它的输出,则是原图像大小的1/16 左右,这个可以指定,因为它就是设计的全连接层的维度。通过ground true图像就可以训练这样网络了。
第二个网络结构是细粒度的网络,但是它也是作用在原输入图像上面,并且第二层卷积层会加上第一个网络的输出。第二个网络没有全连接层,是属于全卷积网络。
其中
,
第二项\alpha 表示平均的误差项,第一项的前面部分表示每个像素之间的误差项,把第二项加到第一项中做为整体,可以使得同时满足平均误差小同时每个像素的误差也小,相当于一个惩罚项。
版权声明:本文为博主原创文章,未经博主允许不得转载。
论文源:NIPS2014
作者及单位: David Eigen deigen@cs.nyu.edu
Christian Puhrsch cpuhrsch@nyu.edu
Rob Fergus fergus@cs.nyu.edu
纽约大学
主要内容:通过CNN来进行对单张图片进行深度估计,单张图片进行深度信息估计做的人比较少,一般是用双目摄像头做的。在这里,作者把CNN当作一个黑盒来看待,用CNN来直接学习图像到它的深度图像信息的映射。
创新点:
正如文章题目所言,相对于传统的CNN,它是多尺度的,(其实也就是两个尺度,一个粗粒度的,一个细粒度的),这个创新点有点弱。对于第二个创新,则是它采用了一个新的损失函数形式,也是加一个类似于正则化项的东西。
其它的没有了,看这篇文章主要是因为我目前做的也是用图像来做回归,看看它这边的损失函数有什么新的东西没有。
网络结构:
这边解析一下它的网络结构:
两个层次的结构,第一个网络是由一个除粒度的网络结构,其输入是304 \times 228 大小的图片,而它的输出,则是原图像大小的1/16 左右,这个可以指定,因为它就是设计的全连接层的维度。通过ground true图像就可以训练这样网络了。
第二个网络结构是细粒度的网络,但是它也是作用在原输入图像上面,并且第二层卷积层会加上第一个网络的输出。第二个网络没有全连接层,是属于全卷积网络。
损失函数:
损失函数,同时也是对其结果的评价标准,这是文章的第二个创新点,其损失函数为:其中
,
第二项\alpha 表示平均的误差项,第一项的前面部分表示每个像素之间的误差项,把第二项加到第一项中做为整体,可以使得同时满足平均误差小同时每个像素的误差也小,相当于一个惩罚项。
实验结果:
版权声明:本文为博主原创文章,未经博主允许不得转载。
相关文章推荐
- 深度学习论文笔记--Depth Map Prediction from a Single Image using a Multi-Scale Deep Network
- 论文笔记-深度估计(1)Depth Map Prediction from a Single Image using a Multi-Scale Deep Network
- [深度学习论文笔记][Depth Estimation] Depth Map Prediction from a Single Image using a Multi-Scale Deep Netw
- Depth Map Prediction from a Single Image using a Multi-Scale Deep Network
- Depth Map Prediction from a Single Image using a Multi-Scale Deep Network
- 论文笔记:Single-Image Crowd Counting via Multi-Column Convolutional Neural Network
- 论文笔记-深度估计(4) Semi-Supervised Deep Learning for Monocular Depth Map Prediction
- 每日论文Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network
- 论文笔记:TextBoxes: A Fast Text Detector with a Single Deep Neural Network
- 快速去阴影--Fast Shadow Detection from a Single Image Using a Patched Convolutional Neural Network
- 笔记:Deep multi patch aggregation network for image style, aesthetics and quality estimation
- 【Paper Note】Very Deep Convolutional Network For Large-Scale Image Recognition 论文翻译(VGG)
- [论文分析] Face Landmark Localization Using a Single Deep Network
- 论文笔记:Personalized Image Annotation Using Deep Architecture
- DeepLearning论文笔记(二):Understanding Deep Architectures using a Recursive Convolutional Network
- 《Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network》阅读笔记
- [深度学习论文笔记][Image Classification] Very Deep Convolutional Networks for Large-Scale Image Recognitio
- 论文笔记 MSCNN:A Unified Multi-scale Deep Convolutional Neural Network for Fast Object Detection
- 【论文笔记】Image Classification with Deep Convolutional Neural Network
- 论文笔记《Multi-scale Orderless Pooling of Deep Convolutional Activation Features》