基于自监督网络的手部静脉非破坏性三维测量
计算机视觉与模式识别
2019-07-02 v1
摘要
目前，基于深度神经网络的监督立体方法已取得令人印象深刻的成果。然而，在某些场景中，精确的三维标签不可用于监督训练。本文提出一种用于双目视差匹配的自监督网络（SDMNet），其从无视差标签的立体图像对中计算稠密视差图：在自监督训练中，我们稠密匹配立体图像以逼近视差图，并用其扭曲左右图像来估计右左图像；我们构建估计图像与原始图像间的损失函数用于自监督训练，其中采用感知损失以帮助提升视差图在细节与结构上的质量。随后，我们使用 SDMNet 获取手部静脉的视差。SDMNet 在 KITTI 2012、KITTI 2015、模拟静脉数据集与真实静脉数据集上取得了优异结果，优于许多最先进的监督匹配方法。
引用
@article{arxiv.1907.00215,
title = {Non-destructive three-dimensional measurement of hand vein based on self-supervised network},
author = {Xiaoyu Chen and Qixin Wang and Jinzhou Ge and Yi Zhang and Jing Han},
journal= {arXiv preprint arXiv:1907.00215},
year = {2019}
}
备注
10 pages, 11 figures, 3 tables