注：刚入门depth estimation，这也是以后的主要研究方向，欢迎同一个方向的加入QQ群(602708168交流。
1. 论文简介
论文题目：Deep Learning-Based Monocular Depth Estimation Methods—A State-of-the-Art Review
Paper地址：https://www.mdpi.com/1424-8220/20/8/2272
Paper类型：综述
2. Abstract
3. Introduction
目前仍然具有挑战性，因为从单一图像中没有可靠的线索来感知深度；
经典的深度估计方法严重依赖于多视图几何，如立体图像；
多视角方法利用视觉线索和不同的摄像机参数获取深度信息。
4. An Overview of Monocular Depth Estimation
单目解决方案往往只使用一张图像就能实现这一目标；
市场上depth estimation设备不足例子：
这些类型的传感器被归类为飞行时间( Time-of-Flight，ToF，其中深度信息是通过计算光线从光源到物体并返回到传感器所需的时间来获得的；
另一方面，基于激光的扫描仪(LiDAR通常用于室外环境的3D测量；
然而，激光雷达是昂贵的设备，需要大量的电力资源，这使得它们不适合消费产品。
SOTA方法具有高性能，低时间消耗；
4.1 Problem Representation
4.2 Traditional Methods for Depth Estimation
主动方法通过与物体和环境的交互来计算场景的深度：
- 基于光照的depth estimation (light-based，它使用主动光照明来估计到不同物体的距离；
- 超声和TOF（Ultrasound and Time-of-Fight），已知速度与声波到达图像感知器(Sensors的时间计算距离；
多目depth estimation（multi-view），如立体匹配(stereo match；
总的来说，传统depth estimation主要聚焦在多视野几何。
4.2 Datasets for Depth Estimation
5. Deep Learning and Monocular Depth Estimation
5.1 Supervised methods
5.2 Self-supervised methods
5.3 Semi-supervised methods
6. Evaluation Matrices and Criteria
绝对相对差(AbsRel，均方根误差(RMSE，RMSE (log和平方相对误差(SqRel。
7. Future Research Directions
- 未来研究导向：
- 降低模型复杂的问题
- 提升性能
- 实时应用
- 更大可用的数据集
8. 总结
第一部分提到一些传统方法的问题；
对于之后的几个小节，个人感觉可读性比较少，对比的方法还是略微偏少。
9. 结语
努力去爱周围的每一个人，付出，不一定有收获，但是不付出就一定没有收获！ 给街头卖艺的人零钱，不和深夜还在摆摊的小贩讨价还价。愿我的博客对你有所帮助(*^▽^*(*^▽^*！
如果客官喜欢小生的园子，记得关注小生哟，小生会持续更新(#^.^#(#^.^#。
编程笔记 » Deep Learning-Based Monocular Depth Estimation Methods-A State-of-the-Art Review