利用卷积神经网络计算立体匹配代价
计算机视觉与模式识别
2015-10-21 v2 机器学习
神经与进化计算
摘要
我们提出了一种从校正后的图像对中提取深度信息的方法。我们训练一个卷积神经网络来预测两个图像块的匹配程度，并利用它来计算立体匹配代价。该代价通过基于交叉的代价聚合和半全局匹配进行细化，随后进行左右一致性检查以消除遮挡区域的误差。我们的立体方法在 KITTI 立体数据集上达到了 2.61% 的错误率，并且目前（2014 年 8 月）是该数据集上表现最佳的方法。
引用
@article{arxiv.1409.4326,
title = {Computing the Stereo Matching Cost with a Convolutional Neural Network},
author = {Jure Žbontar and Yann LeCun},
journal= {arXiv preprint arXiv:1409.4326},
year = {2015}
}
备注
Conference on Computer Vision and Pattern Recognition (CVPR), June 2015