Dedge-AGMNet：由深度边缘辅助任务优化的高效立体匹配网络
计算机视觉与模式识别
2020-03-25 v4 图像与视频处理
摘要
为提升在不定区域中的性能，本文提出一种基于深度边缘子网络的空洞粒度多尺度网络（Dedge-AGMNet）。根据一个普遍事实，深度边缘是实例敏感的二值语义边缘。本文创新地通过同时挖掘语义与实例数据集来生成深度边缘真值。为高效融入深度边缘线索，我们的网络对立体匹配分支与深度边缘分支采用硬参数共享机制。网络将 SPP 修改为 Dedge-SPP，将深度边缘特征融合进视差估计网络。提取粒度卷积并扩展至 3D 架构。随后我们设计 AGM 模块以构建更合适的结构。该模块能以更少参数捕获多尺度感受野。综合不同立体数据集的排名，我们的网络优于其他立体匹配网络，并在 Sceneflow、KITTI 2012 与 KITTI 2015 基准数据集上取得了最优性能。
引用
@article{arxiv.1908.09346,
title = {Dedge-AGMNet:an effective stereo matching network optimized by depth edge auxiliary task},
author = {Weida Yang and Xindong Ai and Zuliu Yang and Yong Xu and Yong Zhao},
journal= {arXiv preprint arXiv:1908.09346},
year = {2020}
}