引导方法深度补全系列—早期融合模型—5—《Depth completion via deep basis fitting》

该文章提出了用最小二乘拟合模块替换深度网络中的1×1卷积层,以处理噪声和异常值。网络结构中,LSF模块接收多通道特征并输出单通道深度,利用非线性最小二乘法解决拟合问题。通过自监督的多尺度训练,提高了深度估计的准确性。这种方法通过动态权重调整,减少了对固定权重的依赖,增强了网络的适应性。

提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档

目录

创新点

一、文章概述

二、方法详解

1.网络结构

2.具体方法

总结


创新点

1.用最小二乘拟合模块代替大多数深度完井网络中使用的最后1×1卷积层

2.使用了非线性最小二乘法,处理实际数据中的噪声测量和异常值


一、文章概述

主要是替换了多变单通道的卷积层

二、方法详解

1.网络结构

 实线表示模块的数据流,而虚线表示基线方法的数据流。baseline只是一个卷积层。我们的LSF模块可以取代卷积层,而不改变网络的其余部分。

2.具体方法

线性最小二乘法拟合模块(LSF)

*最小二乘法对异常值很敏感

模块输入多通道的特征和稀疏深度,输出单通道的结果L,一般深度估计网络最后卷积层把多通道的特征B转换为单通道结果L,称为logits层,最后一层的输入范围较大,使用非线性激活函数g将值映射到正深度,本文选择的g为

a控制最小深度的比例因子,设为1

评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值