monodepth2

Monodepth2是一个使用基于单目图像的无监督学习法完成深度估计任务的模型。它使用了SFM（Structure from Motion）模型原理，在卷积神经网络中同时训练了深度网络和位姿网络。深度网络的输入是一段视频序列的连续多帧图片，输出对应的深度图像；位姿网络的输入是目标视图和上一帧视图，输出相机运动姿态的变化。通过构建重投影图像并计算重投影误差，Monodepth2使用损失函数来反向传播更新模型参数，优化训练网络模型。\[2\]

在代码阅读方面，Monodepth2的输入部分进行了颜色增强和翻转的数据增强操作。如果选择共享编码器（encoder），则所有帧都需要输入网络；否则，只有第0帧输入网络以获得深度图。输入网络的数据进行了四种尺度的变化，最初保留了5种尺度，包括原始尺度、设定尺度、设定尺度的1/2、1/4和1/8，然后删除了原始尺度。内参矩阵也进行了四种尺度的变化，用于图像重建计算。只有设定分辨率的输入被输入到编码器和深度解码器中，使用不同的输入输出通道数得到了四个分辨率的深度图。如果有深度地面真值（depth_gt），则也作为监督信号输入到网络中以加速损失函数的收敛。\[3\]
#### 引用[.reference_title]
- *1* *3* [深度估计自监督模型monodepth2论文总结和源码分析【理论部分】](https://blog.csdn.net/weixin_43148897/article/details/122453979)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item]
- *2* [单目图像深度估计——Monodepth2](https://blog.csdn.net/weixin_46591090/article/details/125387893)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]