نگاشت عمق تصاویر به تصاویر دید از بالا: رویکرد شبکه‌های عصبی عمیق

دوربین ها در راهبری ربات ها، ماشین های خودران و پرنده های کنترل از راه دور نقش اساسی دارند. الگوریتم های پردازش تصویر می توانند با داد‌ه هایی که دوربین ها در اختیار آن ها قرار می دهند اطلاعاتی پیرامون محیط اطراف برای هسته پردازشی دستگاه های یاد شده را فراهم کنند که می توانند آن ها را برای تصمیم‌گیری راهنمایی نماید. در این بین چالش واسنجی موضوعی بسیار اساسی برای این دسته از الگوریتم ها است. واسنجی صحیح دوربین می تواند موردی باشد که توسط آن الگوریتم ها به درک خطی از فاصله اشیا از همدیگر برسند. موردی که این مساله را دشوارتر می نماید آن است که تغییر در محل قرار گیری دوربین می تواند نتایجی که به کمک اطلاعات واسنجی بدست آمده است را دستخوش تغییر کند. یک مورد پرکاربرد از موارد استفاده واسنجی دید از بالا است. در این کاربرد تصویری که از جلو تهیه شده به یک تصویر از نگاه یک عامل که از بالا اشیا صحنه را ثبت می کند، نگاشت می شود. به تازگی از شبکه های عصبی عمیق برای حل این مساله استفاده شده است. قابلیتی که این شبکه ها در حل این چالش ارائه می کنند مورد تغییر مکان دوربین است. شبکه های عصبی در حل این چالش می توانند تا حد خوبی همچنان نتایج نزدیک به واقعیتی پس از تغییر مکان دوربین ارائه دهند. در این پژوهش مجموعه داده‌ای مرتبط با مساله حاضر تولید شده است و یک مدل بر پایه شبکه های پیچشی ارائه شده است که تا حد مناسبی توانسته است بر روی داد‌ه ها آموزش ببیند.