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。