深度學習可以解決自我駕駛問題嗎？
在計算機視覺文獻中存在很多立體深度估計算法，但它們都無法同時實現：實時處理、高精確度、全自動的。
人類使用立體視覺（Eyes），即使深度僅為一幅圖像，也能出色地估計深度。甚至可以閉上一只眼睛，并且仍然可以合理地估計深度！
人類是否真的在“學習”如何感知深度？我們無法真正回答這個問題。
但是，深度仍然可以被視為學習問題，因此深度“足夠好”可以解決自我駕駛問題嗎？
現在有幾篇論文將視線深度估計作為學習問題：
1．監督深度估計
“監督”深度學習背后的概念很簡單，收集RGB圖像及其相應的深度圖，訓練類似于“自動編碼器”的體系結構進行深度估計。（盡管訓練起來不那么簡單，但如果不通過訓練過程整合一些特殊技巧，FCN就永遠無法真正發揮作用：）。
盡管此方法更易于掌握，但在現實生活中收集深度圖是一項昂貴的任務。LiDAR數據可用于訓練這類網絡，因此，如果我們對由LiDAR收集的數據進行訓練，則神經網絡的性能將明顯優于LiDAR，但仍然可以，因為我們不需要那種級別的準確性來駕駛汽車例如，知道樹上是否有葉子的確切距離。
2．無監督深度估計
僅在一系列環境中記錄質量深度數據是一個具有挑戰性的問題。無監督方法可以在沒有地面真實深度圖的情況下學習深度！
“這種方法只是查看未標記的視頻，并找到一種方法來創建深度圖，方法不是嘗試正確，而是嘗試保持一致。”
3．神經網絡架構
該網絡具有類似于U－Net的架構，編碼器部分是在ImageNet數據集上訓練的預訓練DenseNet模型。解碼器部分使用雙線性上采樣而不是簡單的上采樣。
簡而言之，我們使用雙線性上采樣是因為它在上采樣后會整體上產生“平滑”圖像。輸出是深度圖，深度圖是圖像大小的一半，這有助于網絡學習更快。
4．圖像增強
對于圖像增強，可以使用以下技術：圖像翻轉，輸入圖像的色彩通道改組，向輸入圖像添加噪點，增加輸入圖像的對比度，亮度，溫度等。這樣可以確保模型在整個訓練過程中始終看到新數據，并更好地泛化未見數據。
目前，深度估計在AR ／ VR中已經得到了許多應用。
分享
請輸入評論內容...
請輸入評論/評論長度6~500個字
