利用密集网络进行快速视差估计
计算机视觉与模式识别
2018-05-22 v1 机器人学
摘要
视差估计是立体视觉中的难题，因为对应技术在无纹理和重复区域图像中会失效。近期使用深度卷积神经网络（CNN）的研究借助语义信息克服了该问题。多数CNN实现采用自编码器方法：立体图像被编码、融合，最终解码以预测视差图。本文中，我们提出一种受密集网络启发的CNN实现，以减少参数量。此外，我们的方法在视差估计中考虑了语义推理。我们提出的网络称为DenseMapNet，紧凑、快速且可端到端训练。DenseMapNet仅需290k参数，并以30Hz或更快速度在全分辨率彩色立体图像上运行。实验结果表明，DenseMapNet的精度可与其他显著更大的基于CNN的方法相媲美。
引用
@article{arxiv.1805.07499,
title = {Fast Disparity Estimation using Dense Networks},
author = {Rowel Atienza},
journal= {arXiv preprint arXiv:1805.07499},
year = {2018}
}
备注
In Proc. International Conference on Robotics and Automation 2018 (ICRA2018)