طراحی شبکه عصبی برای محاسبه نقشه عمق در ماشین ها خودران

یکی از مهمترین چالش های امروز حوزه خودرو های خودران، تخمین عمق و فاصله از تصاویر دریافتی محیط است. از جمله پرکاربرد ترین روش های تخمین عمق، پردازش تصاویر استریو است. شبکه های عصبی کانولوشن برای تطبیق تصاویر استریو عملکرد مناسبی دارند. از طرفی، معماری های فعلی به آن دسته از شبکه های عصبی متکی هستند که از لایه های پردازشی بیشتری استفاده می شود. برخی از این شبکه ها به زمان زیادی برای رسیدن به دقت نسبتا خوبی نیاز دارند . به عنوان مثال، در شبکه SGM برای رسیدن به خطای کل 0,9، 67 ثانیه زمان لازم است. در این مقاله، هدف معرفی یک شبکه برای محاسبه نقشه عمق با حداکثر دقت ممکن در زمانی کوتاه در مقایسه با سایر شبکه های محاسبه نقشه عمق با دقت مشابه است. در بخش نتیجه گیری نشان داده شده است که با این روش، می توان در کمتر از ثانیه به خطای 0,7 رسید.