2018-9-12-论文笔记-Semi-Supervised Deep Learning for Monocular Depth Map Prediction

本文分析了论文:Semi-Supervised Deep Learning for Monocular Depth Map Prediction

贡献

  • 提出了一个半监督的深度估计算法:有监督loss + 无监督loss。

分析

  • 激光雷达数据的问题:
    • 稀疏
    • 噪声的影响
    • 标定不准确的影响
  • 有监督loss 和 无监督loss:
    • 使用激光雷达获取的稀疏的有效点做有监督loss训练。smooth_l1。
    • 使用其它的像素点构建无监督loss。通过左右图像 + warp一致构建loss。
    • 为了保证边缘的锐利度,根据边缘有构建了一个loss。
  • 算法框架和无监督的双目算法基本一致,只是加了有监督loss,变成了半监督算法。
    算法框架

  • 损失函数没有什么新意,在其他论文中都有出现。不管是有监督的smooth_l1,还是无监督loss。
  • 评价准则也是常用的评价方法。
  • ~除了半监督,没啥新奇的地方。~

资源