【立体深度估计】开源 | FC-DCNN：一种用于立体深度估计的密集连接神经网络！

论文地址： http://arxiv.org/pdf/2010.06950v1.pdf

代码： 公众号回复：2010.06950

来源： 奥地利格拉茨技术大学

论文名称：FC-DCNN A densely connected neural network for stereo estimation

原文作者：Dominik Hirner

内容提要

本文提出了一种用于立体估计的新型轻量化网络。我们的网络由一个全卷积密连神经网络(FC-DCNN)组成，它计算校正图像对之间的匹配代价。我们的FC-DCNN方法学习表达特征，并执行一些简单但有效的后期处理步骤。密集连接的层结构将每一层的输出作为随后层的输入。该网络结构和未使用任何完全连接的层或3D卷积，使得本文的网络达到轻量级。该网络的输出用于计算匹配cost和创建cost-volume。为了提高结果的准确性，我们使用了滤波技术，即中值滤波和引导滤波。通过左右一致性检查计算，去掉不一致的值。然后对不一致被去除的视差图像进行分水岭前背景分割。然后使用这个掩模来改进最终的预测。通过在Middlebury、KITTI和ETH3D基准上分别进行了评估，结果表明我们的方法对于具有挑战性的室内和室外场景都很有效。

主要框架及实验结果

声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请加上文微信联系删除。