Hloubkové mapy pomocí Deep Learningu

Abstract

Tato práce se zaměřuje na metodiku generování hloubkových map s pomocí hlubokého učení pro dva vstupní obrazy. Pro docílení požadovaného výsledku byla použita konvoluční neuronová síť ve formě autoencoderu společně s bilineární transformací. Text práce se zaměřuje na siamskou metodu generování hloubkových map. K implementaci umělé sítě byl použit skriptovací jazyk Python a knihovna PyTorch, která volitelně využívá technologii CUDA k akceleraci trénovacího procesu a tím znatelně sníží časovou náročnost učení.

This thesis focuses on the depth map generation using deep learning for stereo images. For implementation, convolutional neural network in a form of an autoencoder is used together with a bilinear transformation. Siamese method is being observed as the main topic in this work. Implementation is written in Python and PyTorch, which uses CUDA at it’s backend optionally for speeding up the learning process.