以双目图像互为监督的相容解迭代优选算法

摘要：

在计算机视觉领域的双目立体匹配方向,基于神经网络的深度学习算法需要场景数据集进行训练,泛化能力差.针对这两个问题,根据神经网络能够模拟函数的特点,提出一种无需在数据集上训练,以双目图像互为监督的深度场景相容解迭代优选算法.该算法使用场景位置猜测网络模拟关于当前双目图像的深度场景相容位置空间,用与该网络匹配的互监督损失函数通过梯度下降法指导该网络在输入双目图像上迭代学习,搜索深度场景相容位置空间中的可行解,整个算法过程无需在数据集上训练.与CREStereo、PCW-Net、CFNet等算法在Middlebury标准数据集图像上的对比实验表明,该算法在非遮挡区域的平均误匹配率为2.52％,在所有区域的平均误匹配率为7.26％,比对比实验中的其他算法有更低的平均误匹配率.

关键词：双目立体匹配、立体匹配、神经网络、无监督学习、自监督学习

所属期刊栏目：32

分类号：TP391.41;TP273;TP183

资助基金：国家自然科学基金61771146

在线出版日期：2023-08-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：19-30