用谷歌co深度学习_综述 | 基于深度学习的单目深度估计技术:全面调研(2014-2020)...

用谷歌co深度学习_综述 | 基于深度学习的单目深度估计技术:全面调研(2014-2020)..._第1张图片

57页综述,共计195篇参考文献。本文详细盘点了用于深度估计的数据集,并全面介绍了三大类的经典和最新算法:基于有监督,无监督学习和稀疏样本指导的深度估计方法。

Deep Learning based Monocular Depth Prediction: Datasets, Methods and Applications

用谷歌co深度学习_综述 | 基于深度学习的单目深度估计技术:全面调研(2014-2020)..._第2张图片
作者单位:深圳大学, 诺丁汉大学
论文: https:// arxiv.org/abs/2011.0412 3

注:文末附深度估计交流群

从RGB图像来估计深度可以促进许多计算机视觉任务,例如室内定位,高度估计以及SLAM。近来,由于深度学习技术的飞速发展,单目深度估计已经取得了很大的进步。在准确性和速度方面,它们大大超越了传统的基于机器学习的方法。尽管该主题取得了快速的进展,但仍缺乏全面的调研,所以需要综述,以总结当前的进展并提供未来的方向。

在此调查中,我们首先介绍用于深度估计的数据集:

Ground image benchmarks

  • NYU Depth V2
  • KITTI
  • Make3D

Remote sensing benchmarks

  • ISPRS dataset
  • GRSS dataset

介绍了度量标准:

用谷歌co深度学习_综述 | 基于深度学习的单目深度估计技术:全面调研(2014-2020)..._第3张图片

用谷歌co深度学习_综述 | 基于深度学习的单目深度估计技术:全面调研(2014-2020)..._第4张图片

然后从三个角度全面介绍这些方法:基于监督学习的方法,基于无监督学习的方法和基于稀疏样本指导的方法

基于监督学习的方法

用谷歌co深度学习_综述 | 基于深度学习的单目深度估计技术:全面调研(2014-2020)..._第5张图片

用谷歌co深度学习_综述 | 基于深度学习的单目深度估计技术:全面调研(2014-2020)..._第6张图片

基于无监督学习的方法

用谷歌co深度学习_综述 | 基于深度学习的单目深度估计技术:全面调研(2014-2020)..._第7张图片

用谷歌co深度学习_综述 | 基于深度学习的单目深度估计技术:全面调研(2014-2020)..._第8张图片

基于稀疏样本指导的方法

用谷歌co深度学习_综述 | 基于深度学习的单目深度估计技术:全面调研(2014-2020)..._第9张图片

用谷歌co深度学习_综述 | 基于深度学习的单目深度估计技术:全面调研(2014-2020)..._第10张图片

此外,还说明了受益于该进展的下游应用。最后,我们指出了未来的方向并总结了本文。

CVer-深度估计交流群

建了CVer-深度估计交流群!包含单目、立体深度估计等,想要进深度估计学习交流群的同学,可以直接加微信号:CVer5555。加的时候备注一下:深度估计+学校+昵称,即可。然后就可以拉你进群了。

强烈推荐大家关注CVer知乎账号和CVer微信公众号,可以快速了解到最新优质的CV论文。

推荐阅读

AAAI 2021 | 国科大和上海交大提出RSDet:旋转目标新网络,代码已开源!

420 FPS!LSTR:基于Transformer的端到端实时车道线检测

图像分割涨点技巧!从39个Kaggle竞赛中总结出的分割Tips和Tricks

涨点明显!港中文等提出SplitNet:通过切分网络和结合Co-Training提升CNN性能

重磅!中山大学提出行人重识别新方法和史上最大数据集SYSU-30k,已开源!

AAAI 2021 | 上海交大等提出R3Det:旋转目标检测网络,代码已开源!

北京大学等提出SR新模块!通过Squeeze Reasoning实现高效的场景理解

冠军解决方案!用于脑肿瘤分割的nnU-Net改进

刷新WIDER Face纪录!TinaFace:人脸检测新网络,代码已开源!

这个AI能帮你女朋友自拍!从照片生成3D视频,总有个角度让她满意

STTR:基于Transformers的立体深度估计网络,代码已开源!

用GAN生成70岁的你!还可以重返17岁,代码已开源!ECCV 2020 Adobe等新研究

WACV2021 | 用于小目标检测的FPN中的高效融合因子

综述 | 对比自监督学习技术:全面调研

85.4 mIOU!NVIDIA:使用多尺度注意力进行语义分割

深入研究Label Smoothing(标签平滑)

使用PyTorch时,最常见的4个错误

NeurIPS 2020 | Auto-Panoptic:用于全景分割的协作式多组件体系结构搜索

NeurIPS 20 | RelationNet++: Transformer桥接视觉表示的目标检测

利用YOLOv4和Deep SORT实现多摄像头实时目标跟踪和计数(已开源)

NeurIPS 20 | 超越EfficientNet!TinyNet:玩转网络的分辨率,深度和宽度

涨点技巧!汇集13个Kaggle图像分类项目的性能提升指南

利用知识蒸馏改进目标检测:面向准确高效的检测器

使用深度学习从视频中估计车辆的速度(已开源)

ECCV 2020 | 旷视开源LabelEnc:提升目标检测的新型中间监督方法

这9个技巧让你的PyTorch模型训练得飞快!

牛津博士论文 | 学习重建和分割3D目标(143页PDF)

谷歌刚刚发布Objectron新数据集,可完美检测3D目标,超过4百万幅图像和15K视频剪辑!

综述 | MIT提出视频理解/行为识别:全面调研(2004-2020)

综述 | 基于无人机的目标跟踪的相关滤波器:全面调研

从三个维度加速你的CNN:全面的剪枝框架

Recall Loss:用于不平衡图像分类和语义分割的召回损失

即插即用!Rotate to Attend:卷积Triplet注意力模块

旷视提出MegDetV2:目标检测/实例分割系统

综述 | 基于深度学习的医学图像分割技术:全面调研

ResNet还是DenseNet?即插即用的DS涨点神器来了!

综述 | 基于深度学习的端到端人脸识别技术:全面调研

TBC:共享Thinner Filters,实现更强的CNN!

综述 | 行人检测技术(从手工特征到深度学习):全面调研

超越EfficientNets!无需注意力,也能让你的网络更快更强!

OpenCV 4.5来了!更强的SIFT,改进RANSAC算法,新增目标跟踪网络SiamRPN++

综述 | 基于深度学习的实时语义分割方法:全面调研

涨点神器!南航提出AFF:注意力特征融合

NeurIPS 2020 | 谷歌大脑提出:重新思考预训练和自训练

NeurIPS 2020 | 用于图像复原/恢复的神经稀疏表示

NeurIPS 2020 | aLRPLoss:统一目标检测中的分类和定位的平衡损失函数

CCE:具有互补交叉熵的不平衡图像分类

谷歌地标检索2020 Kaggle 第一名解决方案

ECCV AIM 2020 真实图像超分辨率挑战赛3项冠军解决方案

LVIS 实例分割挑战赛2020的第一名解决方案:好的Box不能保证好的Mask

ETH Zurich提出DPIR:具有Denoiser先验的即插即用图像恢复

ECCV 2020 | NAS-DIP:通过NAS实现DIP(去噪/去雾/超分辨率/修复等)

综述 | 小样本学习:全面调研(Few-shot)

使用深度神经网络从Noisy Labels中学习:全面调研

剪枝filter?还是剪枝layer?这是个问题

ECCV 2020 | WeightNet:重新探索Weight网络的设计空间

ECCV 2020 | 53.5 AP!PAA:用于目标检测的IoU预测的概率Anchor分配

ECCV 2020 | 南京理工提出FPT:特征金字塔Transformer

ECCV 2020 | BMask R-CNN:边界保持的Mask R-CNN

ECCV 2020 | 即插即用!PSConv:将特征金字塔压缩到紧凑

你可能感兴趣的:(用谷歌co深度学习)