基于CBAM的深度序數回歸方法

高永彬，王慧星，黃 勃

(上海工程技術大學 電子電氣工程學院，上海201620)

0 引 言

單目深度估計對三維場景理解任務具有重要意義，在三維重建、自動駕駛、視覺跟蹤、三維目標檢測、增強現實等領域有著廣泛的應用。隨著深度學習的迅速發展，利用有監督學習方法進行單目深度估計的研究大量涌現，這些方法通常將深度估計建模作為一個回歸問題，使用深度卷積神經網絡獲取圖像的層次信息和層次特征，并通過最小化均方誤差來訓練回歸網絡。然而，這些方法往往存在缺點:一方面，使用最小化均方誤差來訓練回歸網絡，往往會導致網絡收斂慢和局部解不理想的問題；另一方面，為了獲得高分辨率的深度圖，需要使用跳躍連接或多層反卷積網絡結構，這使網絡訓練更加復雜，計算量大大增加；最后，利用多尺度網絡對圖像進行特征提取，往往會丟失像素的特征信息和位置信息，對較小目標的深度估計效果較差。為此，Fu等人提出了用于單目深度估計的深度序數回歸網絡（Deep Ordinal Regression Network），使 用ASPP（Atrous Spatial Pyramid Pooling）獲取不同尺度的特征，并通過全圖像編碼器捕獲全局上下文信息［1］。采用離散策略對深度值進行離散，將深度估計轉化為序數回歸問題，通過一個普通回歸損失函數訓練網絡，提高網絡訓練效率。

本文主要對深度序數回歸網絡深度序數回歸算法進行研究，主要貢獻如下:

（1）提出了一種基于CBAM（convolutional block attention module）的深度序數回歸方法，通過CBAM代替深度序數回歸算法中的全圖像編碼器，獲取更完整的像素特征信息和位置信息，提高全局上下文信息的表示能力；……