通过训练卷积神经网络比较图像块的立体匹配
延勒村朱尔·邦塔；17(65):1−32, 2016.
摘要
我们提出了一种从校正后的图像对中提取深度信息的方法。我们的方法侧重于许多立体算法的第一阶段：匹配成本计算。我们通过使用卷积神经网络学习小图像补丁的相似性度量来解决这个问题。通过构建一个二元分类数据集，用相似和不相似的补丁对的例子，以有监督的方式进行训练。我们针对这项任务研究了两种网络架构：一种是针对速度进行了调整，另一种是为了准确性。卷积神经网络的输出用于初始化立体匹配成本。一系列后处理步骤如下：基于交叉的成本聚合、半全局匹配、左右一致性检查、亚像素增强、中值滤波器和双边滤波器。我们在KITTI 2012、KITTI 2015和Middlebury立体声数据集上对我们的方法进行了评估，并表明它在所有三个数据集上都优于其他方法。
[腹肌]
[pdf格式][围兜] [代码]
