计算机工程与科学

作者：陈磊, 梁正友, 孙宇, 蔡俊民

单位：1.广西大学计算机与电子信息学院，广西 南宁 530004；2.广西多媒体通信与网络技术重点实验室，广西 南宁 530004

关键词：深度学习,深度估计；多尺度特征；轻量级网络；移动端模型,

基金：国家自然科学基金(62171145)

目前基于深度学习的深度估计模型参数量大，难以适应移动端设备。针对此问题，提出一种可以部署在移动端的多尺度特征融合轻量级深度估计方法。首先，以MobileNetV2为主干，提取出4个尺度的特征。然后，通过构建编码器到解码器的跳跃连接路径，将4个尺度的特征进行融合，充分利用融合低层的位置信息和高层的语义信息。最后，融合后的特征通过卷积层得出高精度的深度图像。在NYU Depth Dataset V2数据集上进行了训练和测试，结果表明，该模型的参数量在仅有1.6×106的情况下，评估指标δ1高达0.812，在移动端的麒麟980 CPU上推理一幅图像仅需要0.094 s，具有实际应用价值。

来源：2024年第9期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2024年第9期