【摘 要】
：
通过单目图像对三维场景深度估计是计算机视觉领域一个重要研究课题,深度估计技术可以获取三维场景中的物体与视点之间的深度信息,被广泛应用于三维重建、场景感知、增强现实等领域.随着深度学习技术广泛应用于各个领域,本文介绍了深度学习在单目图像深度估计领域的研究进展,基于神经网络架构搜索(NAS)技术,研究并实现了有监督深度学习在单目图像深度估计中的应用,并与传统方法进行比较,在目前主流数据集下进行实验分析,最后对实验结果进行总结,分析当前研究中存在的不足,以及优化方向.
【机 构】
：
青岛大学计算机科学技术学院,山东青岛 266071
论文部分内容阅读
通过单目图像对三维场景深度估计是计算机视觉领域一个重要研究课题,深度估计技术可以获取三维场景中的物体与视点之间的深度信息,被广泛应用于三维重建、场景感知、增强现实等领域.随着深度学习技术广泛应用于各个领域,本文介绍了深度学习在单目图像深度估计领域的研究进展,基于神经网络架构搜索(NAS)技术,研究并实现了有监督深度学习在单目图像深度估计中的应用,并与传统方法进行比较,在目前主流数据集下进行实验分析,最后对实验结果进行总结,分析当前研究中存在的不足,以及优化方向.
其他文献
采用印刷-烧结工艺在GH783合金表面制备微晶玻璃绝缘层和铂浆厚膜电阻层,制备GH783合金基板厚膜发热电路.通过SEM观察铂浆厚膜电阻层的表面与截面形貌,并测定厚膜电阻层的电阻,研究烧结温度和保温时间对电阻层微观形貌和电阻的影响,得到最佳的烧结工艺参数.测定GH783合金厚膜发热电路的电阻温度系数和升温速率.结果表明,铂浆厚膜电阻层的最佳烧结工艺参数为:烧结温度为850℃,保温时间为5 min.所得GH783合金基板厚膜发热元件的电阻温度系数精度为0.24％,从室温升温至350℃用时为4.86 s,表现
通过组织观察和差热分析,研究TB17钛合金由单相区匀速降温(5 K/min)至两相区过程中初生α相,包括晶界α相(αGB)与魏氏体α相(αWGB)的析出行为和析出温度范围,确定两种α相析出的温度范围分别为1120～992 K和920～895 K.随后采用Avrami-Johnson-Mehl准则计算得出晶界α相的激活能Qαb=253.236 kJ/mol,魏氏体α相析出的激活能Qαi=503.188 kJ/mol,明确两种α相的析出动力学方程,并在此基础上构建了两种α相析出的TTT曲线.结果显示,两种α相
采用离子掺杂改性的方式制备不同铷(Rb)含量的羟基磷灰石(Rb-Hydroxyapatite,Rb-HAp)粉末,然后用间接3D打印法制备Ti/Rb-HAp复合材料,对该材料的形貌和物相组成进行分析,测定材料的力学性能,并通过体外细胞培养和细胞增殖与分化实验,研究材料的生物学性能.结果表明:Ti/Rb-HAp复合材料的孔隙率较高,多孔结构有利于新骨组织向内生长和体液的传输.Rb的加入可提高Ti/HAp复合材料的抗弯强度和抗压强度,并且抗压强度随Rb含量增加而小幅提高.与纯Ti相比,Ti/Rb-HAp复合材
以Cu-25％Sn合金粉、镀铜石墨粉和MoS2粉末为原料,在740～820℃烧结温度下制备粉末冶金青铜-石墨-MoS2自润滑材料.利用扫描电镜(SEM)与X射线衍射仪(XRD)观察和分析摩擦材料的显微组织与结构,并测试和分析材料在4 N和10 N载荷下摩擦10 km过程中的摩擦因数和磨损表面形貌.结果表明,随烧结温度升高,青铜-石墨-MoS2自润滑材料的硬度和密度先升高后下降,在780℃下烧结的材料,孔隙数量较少、尺寸较小,材料密度和硬度较高;在10 N和4 N载荷下平均摩擦因数分别为0.28和0.36.
以高铁赤泥和红土镍矿为原料,焦粉为还原剂,通过高温直接还原方法制备镍铁合金,通过对不同温度、还原剂比例、添加剂比例制备的合金及残渣进行分析测试,研究不同还原条件对赤泥和红土镍矿还原过程的影响.结果表明,随还原剂焦粉比例增大,镍铁合金的收得率提高;焦粉质量分数为30％、还原温度为1550℃时,镍铁合金收得率高达89.6％.随添加剂CaO和Na2CO3的加入,金属与残渣的分离效果显著提升.当Na2CO3的质量分数增加到6％时,红土镍矿中的镍全部还原进入合金,残余奥氏体变少并转变为马氏体,合金硬度提升,洛氏硬度
以碳聚合物点(carbonized polymer dot,CPD)作为铜的增强体,采用粉末冶金法制备碳聚合物点/铜复合材料,分析和测试不同烧结温度(350～750℃)下CPD/Cu复合材料的致密度、硬度、拉伸性能与耐磨性能.结果表明:CPD在铜基体中均匀分散,并且CPD壳体网络中的非晶碳有利于CPD与铜基体形成良好的界面结合,CPD/Cu复合材料的致密化程度高,相对密度达到95％以上.CPD/Cu复合材料的力学性能和摩擦磨损性能均明显高于纯Cu.随烧结温度升高,CPD/Cu复合材料的致密度、硬度、抗拉强
为了获得高矫顽力的Sm2Fe17N3磁粉,对平均粒径为2.5μm的商用Sm2Fe17N3磁粉进行0～60 min高能球磨,研究球磨时间对Sm2Fe17N3磁粉结构与磁性能的影响.结果表明,随球磨时间延长,Sm2Fe17N3粉体的矫顽力先增大后减小,球磨时间为12 min时,Sm2Fe17N3相晶粒尺寸从原始粉末的40.8 nm减小至31.8 nm,粉体具有最高矫顽力,为875.6 kA/m,且磁粉仍保持磁各向异性.球磨时间为30 min时,虽然晶粒尺寸进一步减小,但Sm2Fe17N3分解生成SmN和α-F
采用氩气雾化制备Al、Ti总质量分数小于4％的选区激光熔融用新型镍基高温合金粉末,对粉末的成分、物相组成、形貌、微观结构和性能等进行分析和表征.结果表明,新型镍基高温合金粉末的Al、Ti总质量分数为3.82％.小粒径粉末(粒径40μm)粉末内部出现凝固缩孔和颗粒包覆缺陷.筛分后得到的粒径为15～44μm的粉末,粒径分布集中,中位径DV50为19.7μm,流动性和松装密度分别达到15.14 s/50 g和4.15 g/cm3.
对氩气雾化Fe-14Cr-3W-0.4Ti(质量分数,％)合金粉末进行60 h机械球磨,在950℃对粉末进行热挤压成形,然后在950℃热轧制和1050℃/1 h退火热处理,得到Fe-14Cr-3W-0.4Ti合金.利用扫描电镜和背散射电子衍射分析仪观察和分析合金的显微组织,并测定合金的室温拉伸性能,研究热轧变形对Fe-14Cr-3W-0.4Ti合金组织与力学性能的影响.结果表明,热轧变形可有效调控Fe-14Cr-3W-0.4Ti合金的晶粒尺寸,提高合金的力学性能.经过热轧变形的合金,晶粒明显细化,并且随热
针对驾驶员常见危险驾驶习惯如驾驶汽车过程中看手机、打电话、进食以及同车内乘客聊天等现象,设计基于深度学习技术的危险驾驶行为检测模型.采用PaddlePaddle框架,将PaddleX深度学习网络模型转化为PaddleHub轻量型深度学习网络模型便于部署和应用;实现对驾驶员:正常安全驾驶、右手发短信/玩手机、右手打电话、左手发短信/玩手机、左手打电话、调试车载多媒体、进食、向后排拿物、整理妆容、同乘客谈话等10种驾驶行为的检测,检测准确率达98％以上.