CN114723801B 一种基于立体匹配深度神经网络获取多尺度视差图方法 （西华大学）_第1页
CN114723801B 一种基于立体匹配深度神经网络获取多尺度视差图方法 （西华大学）_第2页
CN114723801B 一种基于立体匹配深度神经网络获取多尺度视差图方法 （西华大学）_第3页
CN114723801B 一种基于立体匹配深度神经网络获取多尺度视差图方法 （西华大学）_第4页
CN114723801B 一种基于立体匹配深度神经网络获取多尺度视差图方法 （西华大学）_第5页
已阅读5页，还剩12页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于立体匹配深度神经网络获取多尺本发明公开了一种基于立体匹配深度神经匹配代价计算模块中对每个分辨率级别上的左右图像特征使用距离度量逐行计算像素间匹配2Lθm}L接着，利用步长为2的二维转置卷积上采样块对每一级收缩特征进行分辨率逐级恢复ηm)]m},m＝M,M-1,…,1L在匹配代价计算模块中对每个分辨率级别上的左右图像特征使用距离度量逐行计算3mL)表示第m级分辨率预测的初始视差图第y行第xL列的视差值；4础性信息。深度图的计算机视觉获取技术可按不同数量视图进行深度预测的使用形式划5[0011]将左图像IL和右图像IR输入至立体匹配深度神经网络，在特征θm}[0014]接着，利用步长为2的二维转置卷积上采样块对每一级收缩特征进行分辨率逐级m-1[0018]在匹配代价计算模块中对每个分辨率级别上的左右图像特征使用距离度量逐行图像特征中像素点(y,xR)的特征值；y的取值范围是xL和xR的取值范围均是为πm中的元素，表示第m级分辨率左图像特征第y行中像素点(y,m中遍历每一个行坐标xL，获取行坐标为xL的最优像素传输矩阵πm中6[0039](1)、使用沙漏型卷积神经网络结构能够从多尺度图像空间上获取像素的上下文[0040](2)、本发明在立体匹配深度神经网络中设计了一种基于分层特征引导的视差精化网络结构，这样缓解在立体匹配网络中使用局部匹配代价度量引入的误匹配噪声问题，7[0052]将左图像IL和右图像IR输入至一个共享参数且具有双路特征提神经网络，在特征提取模块中先由步长为2的二维卷积下采样块分别进行分辨率逐级减半θm}[0055]接着，利用步长为2的二维转置卷积上采样块对每一级收缩特征进行分辨率逐级m-1m},m＝M,M-1,…,1层后接非线性激活单元LeakyReLU。在该特征提取网络结构中不设置批正则化层(BatchNormLayer)，避免由于训练域的图像局部统计特征和实际测试域的图像局部统计8pp[0063]而本实施例利用匹配代价计算模块中对每个分辨率级别上的左右图像特征使用图像特征中像素点(y,xR)的特征值；y的取值范围是xL和xR的取值范围均是为πm中的元素，表示第m级分辨率左图

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论