Исследование задачи построения карты глубины изображения с помощью сверточной нейронной сети : магистерская диссертация

Abstract

Объект исследования: алгоритмы оценки глубины изображения. Предмет исследования: методы обучения и оптимизаций построения карты глубины из одного изображения. Цель работы: оптимизация алгоритма построения карты глубины изображения на основе глубокой нейронной сети. В процессе исследования проводились: сравнение базовых архитектур. модели, анализ и визуализация полученных результатов, измерение производительности различных архитектур, наблюдение за аномальными случаями в процессе обучения и эксплуатации модели. В работе продемонстрирован алгоритм построения, обучения и оптимизации сверточной нейронной сети для оценки глубины изображения. Область практического применения: алгоритмы оценки глубины изображения используются в следующих сферах: беспилотное управление транспортными средствами, 3D реконструкция сцены, AR/VR, навигационные системы, медицина, анимация.

Object of the study: algorithms for estimating the image depth. Subject of the study: methods of training and optimization of constructing a depth map from a single image. Objective of the work: optimization of the algorithm for constructing an image depth map based on a deep neural network. During the study, the following was carried out: comparison of basic architectures. models, analysis and visualization of the obtained results, measurement of the performance of various architectures, observation of anomalous cases during the training and operation of the model. The work demonstrates an algorithm for constructing, training and optimizing a convolutional neural network for estimating the image depth. Area of practical application: image depth estimation algorithms are used in the following areas: unmanned vehicle control, 3D scene reconstruction, AR / VR, navigation systems, medicine, animation.