首页 > 论文 > 激光与光电子学进展 > 55卷 > 12期(pp:121004)

基于改进卷积神经网络的稠密视差图提取方法

  • 摘要
  • 论文信息
  • 参考文献
  • 被引情况
分享:

摘要

针对现有的卷积神经网络方法所生成的视差图中细节损失严重的问题,提出了一种结构上的改进。首先,将原有网络中特征提取部分的4层卷积结构提升到7层,最大化提高了精度;其次,网络引入了所提出的双金字塔结构,将多尺度降采样信息和特征信息进行了融合,保持了输入图像中的原始细节信息。实验结果表明,改进后网络的错误率从3.029%降到了2.795%,所生成视差图的主观视觉效果有了明显改善。

Newport宣传-MKS新实验室计划
补充资料

DOI:10.3788/lop55.121004

作者单位:

    中国科学院上海微系统与信息技术研究所
    中国科学院上海微系统与信息技术研究所微系统技术重点实验室
    中国科学院上海微系统与信息技术研究所微系统技术重点实验室
    中国科学院上海微系统与信息技术研究所微系统技术重点实验室
    中国科学院上海微系统与信息技术研究所

引用该论文

黄东振,赵沁,刘华巍,李宝清,袁晓兵. 基于改进卷积神经网络的稠密视差图提取方法[J].激光与光电子学进展,2018,55(12):121004.