【深度学习论文笔记】Depth Map Prediction from a Single Image using a Multi-Scale Deep Network

阅读时间：2015.04.26
论文源：NIPS2014
作者及单位： David Eigen  deigen@cs.nyu.edu
Christian Puhrsch  cpuhrsch@nyu.edu
Rob Fergus fergus@cs.nyu.edu
纽约大学

主要内容：通过CNN来进行对单张图片进行深度估计，单张图片进行深度信息估计做的人比较少，一般是用双目摄像头做的。在这里，作者把CNN当作一个黑盒来看待，用CNN来直接学习图像到它的深度图像信息的映射。

创新点：

1. 正如文章题目所言，相对于传统的CNN，它是多尺度的，（其实也就是两个尺度，一个粗粒度的，一个细粒度的），这个创新点有点弱。
2. 对于第二个创新，则是它采用了一个新的损失函数形式，也是加一个类似于正则化项的东西。

其它的没有了，看这篇文章主要是因为我目前做的也是用图像来做回归，看看它这边的损失函数有什么新的东西没有。

网络结构：

这边解析一下它的网络结构：

1. 两个层次的结构，第一个网络是由一个除粒度的网络结构，其输入是304 $\times$ 228 大小的图片，而它的输出，则是原图像大小的1/16 左右，这个可以指定，因为它就是设计的全连接层的维度。通过ground true图像就可以训练这样网络了。
2. 第二个网络结构是细粒度的网络，但是它也是作用在原输入图像上面，并且第二层卷积层会加上第一个网络的输出。第二个网络没有全连接层，是属于全卷积网络。

损失函数：

1. 损失函数，同时也是对其结果的评价标准，这是文章的第二个创新点，其损失函数为： 其中，
2. 第二项$\alpha$ 表示平均的误差项，第一项的前面部分表示每个像素之间的误差项，把第二项加到第一项中做为整体，可以使得同时满足平均误差小同时每个像素的误差也小，相当于一个惩罚项。

实验结果：