《表1 损失函数比较：基于DenseNet的单目图像深度估计》

  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DenseNet的单目图像深度估计》

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

Berhu函数以c作为界限，在大于c时以L2损失函数工作，保证梯度迅速下降，在小于c时以L1损失函数工作，保证预测值与真实值相近时也能保持一定的梯度下降速度。本文将c设定为 ，并对k分别取\n\t\t\t\t\t进行尝试，在k取\n\t\t\t\t\t时获得了最好输出结果[6]。同时，本文在模型中分别尝试了Berhu、L2以及Eigen等人定义的损失函数，对比结果如表1所示。其中，Eigen等人定义的损失函数如式4所示。从对比结果可以看出，Berhu损失函数有效地提高了预测精度。