logo资料库

双目立体视觉汇报１.pptx

发布时间：2022-05-31 发布人：admin 分类：说明书 资料大小：1.96M 资料格式：pptx 举报 版权申诉
第1页 / 共24页
第2页 / 共24页
第3页 / 共24页
第4页 / 共24页
第5页 / 共24页
第6页 / 共24页
第7页 / 共24页
第8页 / 共24页
资料共24页，剩余部分请下载后查看
    双目立体视觉 ８月１日
    论文 Ø MC-CNN：Stereo Matching by Training a Convolutional Neural Network to Compare Image Patches（2015） Ø LRCR：Left-Right Comparative Recurrent Model for Stereo Matching（2018） Ø CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation （2018）
    Deep Learning Ø 2015年Jure Zbontar 和Yann LeCun 提出MC-CNN算法第一次将 CNN应用于立体匹配。 Ø 基于CNN的视差估计方法可以大致分为三类： 学习 匹配代价 MC-CNN、Content-CNN、等 基于 CNN 立体 匹配 回归视差 （端到端学习） DispNetC、 GC-Net等 多个网络 SGM-Net、L-ResMatch 等
    MC-CNN 构建数据集 Ø 左图中的点P(x,y)在右图中的匹配点为q: 正样本：q=(x−d+Opos,y); 负样本：q=(x−d+Oneg,y); ØOneg∈±[dataset_neg_high, dataset_neg_low]  Ø Opos理论上是0，但实际选取一个不超过1 的值。 扩大数据集 rotate scale shear change brightness and contrast
    MC-CNN fast architecture  Hinge s  , s    max  0, m  s   s   只有当正样本的相似度超过负样本的相似度 m时， 损失函数才是0 ，m=0.2.
    MC-CNN accurate architecture loss  * t   log s   1  t  * log  1  s  . s是网络的输出，t是其实际的样本标签，正样本为1，负样本为0
    MC-CNN 计算匹配代价 1. 网络训练时，使用图像块进行训练；保证正样本和负样本数量相同； 2. 测试时将左右两幅图像同时输入，分别计算以每个像素为中心的图像块 的特征向量， 3. 然后根据特征向量，在视差范围内计算两个图像块之间的相似性。 MC-CNN流程图
    MC-CNN 1. Cross-based cost aggregation: CBCA |−|
    分享到：
    赞 收藏

    相关推荐

    资料库

    人工智能

    共收录2047份资料，累计62个分类，关注成员有19位，主要包括：GNSS,Pico-SIM868-GSM,GPRS,NB-IoT,GPRSHAT,SIM7070GCat-M,GNSSHAT,GSM,NB-IoTHAT,SIM7080GCat-M,R800CGSM,SIM800CGSM,UPSPowerModule(B),UPSPowerModule,Pico-SIM7020C-NB-IoT,SIM7028NB-IoTHAT,SIM7020CNB-IoTHAT,SIM7000XNB-IoTHAT,A7670CCat-1HAT,A7600C1Cat-1,SIM7600X4G&LTECat-1HAT,SIM7600X4GDONGLE用户手册,RM520N-GL5GHAT,RM500Q-GL5GHAT,RM500U-CN5GHAT,SIM820X-M25GforJetsonNano,AudioCardforJetsonNano,SIM7600G-H4GforJetsonNano,OpenNCC-Lite-4G8M,IMX219-77Camera,13.3inche-PaperHAT,10.3inche-PaperHAT(D),10.3inche-PaperHAT,9.7inche-PaperHAT,7.8inche-PaperHAT,6inchHDTouche-PaperHAT,6inchHDe-PaperHAT,6inche-PaperHAT,5.83inche-PaperHAT(C),LCD-Clock-A,0.95inchRGBOLED(A),0.96inchRGBOLEDModule,0.96inchOLEDModule,0.96inchOLED(A),1.27inchRGBOLEDModule,1.3inchOLEDModule(C),1.3inchOLED(A),1.32inchOLEDModule,1.5inchRGBOLEDModule,1.5inchOLEDModule,JETSONORINNX,自然语言处理,搜索引擎,VR,计算广告,深度学习,机器学习

    热门标签

    GNSS Pico-SIM868-GSM GPRS NB-IoT GPRSHAT SIM7070GCat-M GNSSHAT GSM NB-IoTHAT SIM7080GCat-M R800CGSM SIM800CGSM UPSPowerModule(B) UPSPowerModule Pico-SIM7020C-NB-IoT SIM7028NB-IoTHAT SIM7020CNB-IoTHAT SIM7000XNB-IoTHAT A7670CCat-1HAT A7600C1Cat-1 SIM7600X4G&LTECat-1HAT SIM7600X4GDONGLE用户手册 RM520N-GL5GHAT RM500Q-GL5GHAT RM500U-CN5GHAT SIM820X-M25GforJetsonNano AudioCardforJetsonNano SIM7600G-H4GforJetsonNano OpenNCC-Lite-4G8M IMX219-77Camera 13.3inche-PaperHAT 10.3inche-PaperHAT(D) 10.3inche-PaperHAT 9.7inche-PaperHAT 7.8inche-PaperHAT 6inchHDTouche-PaperHAT 6inchHDe-PaperHAT 6inche-PaperHAT 5.83inche-PaperHAT(C) LCD-Clock-A 0.95inchRGBOLED(A) 0.96inchRGBOLEDModule 0.96inchOLEDModule 0.96inchOLED(A) 1.27inchRGBOLEDModule 1.3inchOLEDModule(C) 1.3inchOLED(A) 1.32inchOLEDModule 1.5inchRGBOLEDModule 1.5inchOLEDModule JETSONORINNX 自然语言处理 搜索引擎 VR 计算广告 深度学习 机器学习

    最新资料