基于三维卷积神经网络的立体匹配算法
ACTA OPTICA SINICA（2019）
Abstract
对于基于深度学习的立体匹配而言,模型的网络结构对算法精度的影响很大,而算法运行效率也是实际应用中需要考虑的重要因素.提出一种在视差维度上使用稀疏损失体进行立体匹配的方法.采用宽步长平移右视角特征图构建稀疏的三维损失体,使三维卷积模块所需的显存和计算资源均降低数倍.采用多类别输出的方式对匹配损失在视差维度上进行非线性上采样,并结合两种损失函数训练模型,在保证运行效率的同时提高算法精度.在KITTI测试集上,与基准算法相比,所提算法不仅提高了精度,而且运行时间缩短了约40 ％.
MoreTranslated text
Key words
machine vision, stereo matching, deep learning, binocular vision, convolutional neural network
AI Read Science
Must-Reading Tree
Example
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined