×

兹马思-数学第一资源

通过训练卷积神经网络来比较图像块的立体匹配。(英语) Zbl 1360.68726
摘要:我们提出了一种从校正图像对中提取深度信息的方法。我们的方法集中在许多立体算法的第一阶段:匹配代价计算。我们用卷积神经网络学习小图像块上的相似性度量来解决这个问题。训练是以监督的方式进行的,通过构造一个二元分类数据集,以相似和不同的补丁对为例。我们研究了两种网络体系结构,一种是针对速度进行调整的,另一种是针对准确性进行调整的。利用卷积神经网络的输出初始化立体匹配代价。一系列的后处理步骤包括:基于交叉的代价聚合、半全局匹配、左右一致性检查、亚像素增强、中值滤波和双边滤波。我们在KITTI 2012、KITTI 2015和Middlebury立体声数据集上评估了我们的方法,并表明它在所有三个数据集上都优于其他方法。

理学硕士:
68T05型 人工智能中的学习与自适应系统
68吨10 模式识别,语音识别
68U10 图像处理的计算方法
PDF格式 双歧杆菌 引用
全文: 链接