基于空洞卷积与注意力模块的立体匹配算法

摘要：

基于卷积神经网络的立体匹配算法大多需要较大的感受野,但多数算法在扩大感受野的同时参数量也容易剧增,导致算法对训练数据的规模要求较高.提出一种基于空洞卷积和注意力模块的立体匹配算法,采用空洞卷积模块,将残差结构和空洞卷积相结合,以在较少参数量的情况下扩大网络的感受野.使用注意力模块,通过不同层次的卷积整合多层次的信息,增加所提取信息的完整性.采用空间金字塔池化模块,通过带权的金字塔池化扩大模型的感受野,并赋予不同层次信息不同的重要性程度.实验结果表明,在相同数据集和训练次数的情况下,所提算法相对于DispNetC等其他算法具有较快的收敛速度,且结构简单,参数量较少,适用于小样本数据.

关键词：立体匹配、小样本数据、空洞卷积、注意力模块、金字塔池化

所属期刊栏目：49

分类号：TP391.41(计算技术、计算机技术)

资助基金：山东省自然科学基金ZR2019BA014

在线出版日期：2023-10-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：223-231