高永彬，王慧星，黄 勃

(上海工程技术大学 电子电气工程学院，上海201620)

0 引 言

单目深度估计对三维场景理解任务具有重要意义，在三维重建、自动驾驶、视觉跟踪、三维目标检测、增强现实等领域有着广泛的应用。随着深度学习的迅速发展，利用有监督学习方法进行单目深度估计的研究大量涌现，这些方法通常将深度估计建模作为一个回归问题，使用深度卷积神经网络获取图像的层次信息和层次特征，并通过最小化均方误差来训练回归网络。然而，这些方法往往存在缺点:一方面，使用最小化均方误差来训练回归网络，往往会导致网络收敛慢和局部解不理想的问题；另一方面，为了获得高分辨率的深度图，需要使用跳跃连接或多层反卷积网络结构，这使网络训练更加复杂，计算量大大增加；最后，利用多尺度网络对图像进行特征提取，往往会丢失像素的特征信息和位置信息，对较小目标的深度估计效果较差。为此，Fu等人提出了用于单目深度估计的深度序数回归网络（Deep Ordinal Regression Network），使 用ASPP（Atrous Spatial Pyramid Pooling）获取不同尺度的特征，并通过全图像编码器捕获全局上下文信息［1］。采用离散策略对深度值进行离散，将深度估计转化为序数回归问题，通过一个普通回归损失函数训练网络，提高网络训练效率。

本文主要对深度序数回归网络深度序数回归算法进行研究，主要贡献如下:

（1）提出了一种基于CBAM（convolutional block attention module）的深度序数回归方法，通过CBAM代替深度序数回归算法中的全图像编码器，获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；……