彭涛，胡智程，刘军平，张自力，黄子杰

(1. 武汉纺织大学数学与计算机学院，武汉 430201；2. 湖北省服装信息化工程技术研究中心，武汉 430201)

0 引言

近年来，随着人工智能技术高速发展，图像深度估计对计算机视觉具有重大研究意义。为了更好地获得场景的深度信息，众多学者已进行了大量研究。2014年，Eigen等人[1]首次引入深度学习的概念，提出使用两个尺度的卷积神经网络结构对单目图像进行深度估计，采用大量带有标注深度信息的数据集进行训练。2015年，Eigen和Fergus改进了文献[1]中算法，在原有的网络基础上加入采样网络[2]，加深了网络结构。Jun等人[3]在Eigen等人[2]的多尺度网络基础上加入跳跃连接，加速了网络收敛。Daniel等人[4]通过学习顺序对图像的某些特征进行深度估计，但该方法没有直接估计特征的度量值。上述研究采用有监督的训练方式，需要使用具有真实深度信息的图像数据集作为目标训练，在单目图像深度估计中，很难大规模获取每像素地面真实深度数据。因此，部分学者提出了自监督的单目深度估计方法[5-12]。Garg等人[5]提出了通过全卷积神经网络生成深度图，并使用传统的双目摄像头测距原理重构源输入图像，对比原输入图像，构建目标函数，进而反向训练网络得出深度图结果。Zhou等人[7]把未做标记的单目视频的每一帧图像作为训练集，使用深度估计网络和相机位姿网络对其进行训练。Eldesokey等人[10]提出了自监督的概率归一化的卷积网络，该方法估计了输入数据的不确定度，使得网络可以基于数据可靠性进行针对性的学习，实现了输出不确定度的估计。……