10.19678/j.issn.1000-3428.0062144
多成本融合的立体匹配网络
立体匹配网络中的特征提取是提高双目视觉立体匹配精确度的关键步骤.为充分提取图像特征信息,结合密集空洞卷积、空间金字塔池化和堆叠沙漏的特点,构建一种多成本融合的立体匹配网络DCNet.引入密集空洞卷积和空间金字塔池化方法提取多尺度特征信息,同时使用轻量化注意力模块优化多尺度特征信息,构建多特征融合的匹配代价卷.在此基础上,利用3D卷积神经网络和堆叠沙漏网络聚合匹配代价信息,并通过回归的方式生成视差图.实验结果表明,该网络在KITTI2015数据集上的误匹配率为2.12%,相比PSMNet、DisNetC、PDSNet等网络,在特征提取部分能够获得更丰富的特征信息,且提升特征匹配的效果.
立体匹配;密集神经网络;深度卷积神经网络;深度学习;注意力机制
48
TP391.4(计算技术、计算机技术)
黑龙江省自然科学基金F2018002
2022-02-24(万方平台首次上网日期,不代表论文的发表时间)
共8页
186-193