Resumen

Para obtener las distancias entre los objetos circundantes y el vehículo en la escena de tráfico delante del vehículo, en este estudio se propone un método de estimación visual monocular de la profundidad basado en la red neuronal convolucional separable por profundidad. En primer lugar, las características que contienen información de profundidad superficial se extrajeron de las imágenes RGB utilizando las capas de convolución y las capas de agrupación máxima. También se realizaron operaciones de submuestreo en estas imágenes. Posteriormente, se extrajeron características que contenían información de profundidad avanzada utilizando un bloque basado en un conjunto de capas de convolución y un bloque basado en capas de convolución separables en profundidad. A continuación, se combinaron los resultados de los distintos bloques. Por último, se utilizaron capas de convolución transpuestas para aumentar el tamaño de los mapas de características al mismo tamaño que la imagen RGB original. Durante el proceso de sobremuestreo, se utilizaron conexiones de salto para combinar las características que contenían información de profundidad superficial obtenida de la operación de convolución a través de las capas de convolución separables por profundidad. Las capas de convolución separables por profundidad pueden proporcionar características de información de profundidad más precisas para estimar la profundidad visual monocular. Al mismo tiempo, requieren un coste computacional reducido y un menor número de parámetros, al tiempo que proporcionan un nivel similar (o ligeramente mejor) de rendimiento computacional. La integración de múltiples convoluciones simples en un bloque no sólo aumenta la profundidad global de la red neuronal, sino que también permite una extracción más precisa de las características avanzadas de la red neuronal. La combinación de la salida de varios bloques puede evitar la pérdida de características que contienen información importante sobre la profundidad. Los resultados de las pruebas muestran que la red neuronal convolucional separable por profundidad ofrece un rendimiento superior al de otros métodos de estimación visual monocular de la profundidad. Por lo tanto, la aplicación de capas de convolución separables en profundidad en la red neuronal es un método más eficaz y preciso para estimar la profundidad visual.

• Materias:Ingeniería electrónica Redes Inalámbricas Arquitectura informática Sistemas de comunicación Informática Procesamiento de datos
• Subjects:Electronic engineering Wireless Networks Computer architecture Communication systems Computing Data processing
• Palabras claves:capas de convolución separables, red neuronal convolucional separable, información de profundidad poco profunda, capas de convolución, red neuronal, en profundidad, bloque, capas de convolución separables en profundidad, método de estimación de la profundidad visual monocular, otros métodos de estimación de la profundidad visual monocular
• Keywords:separable convolution layers, separable convolutional neural network, shallow depth information, convolution layers, neural network, depthwise, block, depthwise separable convolution layers, monocular visual depth estimation method, other monocular visual depth estimation methods