《表1 不同方法识别性能对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于稠密连接网络的单目深度估计》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

表1显示了本文模型方法与当前最佳方法就NYU Depth V2数据集比较的结果。从表中可以看出，与最先进的方法相比，DCDN网络在阈值精度和rmse方面获得了更好的深度估计性能。Xu等人在log10和Abs Rel拥有更好的结果，这主要是因为其使用了连续条件随机场优化，对整体的场景分布会有更好的效果，而不是反应局部区域的特性，对小目标的估计参考价值有限。本文模型在NYUv2数据集上的准确率达到了82.3%（阈值小于1.25），优于最先进的方法。采用带空洞卷积的残差网络做为主干网络，在训练过程中为浅层网络提供更多的信息，学习多种模式，并与密集连接方式的Dense ASPP相结合，使深度网络具有更多的特性来弥补过程的损耗。同时，该方法也有效地缓解了梯度消失问题，获得了更好的效果。