基于多任务特征融合共享的室内场景空间信息识别检测框架

基于多任务特征融合共享的室内场景空间信息识别检测框架，通过在多任务学习框架中设计并嵌入深度估计和实例分割的专属专家模块，深度估计模型和实例分割模型中引入自适应空间特征融合模块，在两个任务模型后引入跨任务特征融合感知模块的代码创新，分别解决了传统多任务学习框架中普遍存在的“跷跷板”问题，金字塔池化特征融合模块中因为不同尺寸特征图像直接融合而产生特征提取误差的问题，不同类型任务模型所提取的特征信息存在差异若直接融合则易产生冲突和噪声的问题，并实现了模型的跨任务协同推理功能，从而打破了深度学习中普遍存在的信息“黑盒”问题，进而提高该框架在深度估计和实例分割两个任务上的学习精度。