王培彪

(青岛大学计算机科学技术学院，山东 青岛 266071)

0 引言

从单幅 RGB图像中估计场景中物体深度的方法称为单目深度估计，近年来机器学习方法在物体识别[1]、自然语言处理及场景理解等领域得到广泛应用。基于传统机器学习的单目深度估计方法一般使用马尔可夫随机场（MRF）或条件随机场（CRF）对场景中的物体深度关系进行估计[2]，随着卷积神经网络（CNN）[3]以及深度学习技术日渐成熟，深度学习方法在单目图像深度估计中开始被研究与应用。深度学习方法主要分为有监督型和无监督型两类，本文介绍了有监督型神经网络架构搜索技术（NAS）[4-8]的模型与算法，研究并实现了在目前主流数据集SceneFlow上的算法测试验证结果，探讨了目前研究中存在的难点与不足，在此基础上进行总结并提出优化方案。

1 深度学习在单目深度估计中研究进展

2006年，深度学习的概念最早由Hinton[9]提出，卷积神经网络（CNN）利用卷积核对图像特征进行提取，通过神经网络对特征逐层抽象。基于单目图像的深度学习估计方法，可以分为有监督和无监督两类。

2014年，Eigen[10]等人首次实现将深度学习技术应用于单目深度估计，他们提出使用两种尺度的神经网络结构对单张图片深度进行估计的方法，其中粗尺度的网络用于预测单张图片的全局深度，细尺度的网络用于优化单张图片的局部细节。

2016年，Liu[11]等人把CNN与CRF相结合，通过能量函数计算最大后验概率，估计单幅图像的深度。上述方法在网络的训练阶段都需要图像的真实参考深度图，属于监督型学习。……