基于注意力机制的立体匹配网络研究
为了提高基于双目视觉中立体匹配在弱纹理场景下的精准性,提出了一种基于注意力机制特征提取的三维重建算法.利用卷积神经网络(CNN)训练左右图像的特征表示,计算出立体匹配的匹配代价.在CNN特征提取阶段,加入图像注意力机制模块和通道注意力机制模块,得到特征图各个像素点之间的联系,使网络可以更好地捕获图像上下文信息,进而在重建过程中能够更加精确地重建出弱纹理区域.对于网络损失函数,集成了语义编码损失,最终将损失函数定义为语义编码损失和重建损失的加权和,有效提升了弱纹理区域下的重建精度.使用KITTI和Sceneflow数据集对算法进行验证,实验结果证明,相比目前国内外先进方法,本文算法在精度方面有较大提升,尤其体现在弱纹理区域.
机器视觉、立体匹配、双目视觉、卷积神经网络、注意力机制
40
TP391.41(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金;江苏省自然科学基金
2020-09-04(万方平台首次上网日期,不代表论文的发表时间)
共9页
138-146