场景深度信息恢复是计算机视觉领域的重要研究课题之一。普通相机拍摄的二维图像由于丢失了深度信息,无法全面的感知场景的三维结构,这也是目前很多基于二维图像的计算机视觉任务的难点之一。如果能够准确的恢复出场景的深度信息,将能够辅助解决很多现有的计算机视觉任务。例如:即时定位与地图构建技术(Simultaneous Localization and Mapping,SLAM)、机器人导航技术、目标检测和语义分割等。通过传感器获取的深度图比较稀疏,且采集范围有限,从而难以被广泛应用。因此,从二维图像中恢复出场景的深度信息具有重要的研究意义。本文主要研究单目图像的深度估计问题。早期的单目深度估计技术依赖理想的环境假设,深度图的质量较差。近几年的工作都是使用深度学习的方法实现从二维图像获取深度信息,并且取得了非常好的效果。但在深度学习方法中,监督式学习的方法受限于深度真值的获取上;而无监督式学习的方法由于训练过程未使用深度真值,导致深度信息存在尺度模糊问题。针对上述问题,本文提出一种域适应深度估计的算法,在不使用真实场景深度真值的前提下进行监督式学习,将其它视觉任务中的处理方法结合到本文的框架中,获得了质量更好的深度图。本文的主要创新总结如下:1.提出了一种联合感知损失的域适应深度估计框架,通过生成对抗网络将输入图像转换成和真实场景图像相似的目标图像。使用预训练好的网络提取输入图像和目标图像的高级特征,在特征空间上进行损失度量保证目标图像的高层语义特征不发生改变。结合感知损失和对抗损失对转换网络约束转换网络的训练,实验结果表明,该方法在单目深度估计任务中,取得了良好的效果。2.针对域适应深度估计中固有的域漂移(Domain shift)问题,提出了一种使用结构感知损失进行联合训练的解决方法。在域适应深度估计过程中,转换后的目标图像,在几何结构上容易发生变化,这会导致紧随其后的深度估计网络训练出错。因此,提出一种新的结构损失函数,在特征层上使用结构相似性度量函数约束转换网络,保证在转换前后特征的几何结构保持一致。此外,为了得到边界连续的深度图,使用空间梯度损失对深度估计网络进行反向调节。3.在联合感知损失和域适应深度估计工作的基础上融入注意力机制对深度估计进行优化。在深度估计网络中融入注意力机制,解决深度估计过程中背景信息的干扰问题,使深度显著特征发挥更大的作用。此外,使用空洞卷积解决由于网络太深带来的特征丢失严重的问题。最终的实验结果不仅整体提升了深度精度,还获得了细节更好的深度图。