通过训练卷积神经网络比较图像块进行立体匹配
计算机视觉与模式识别
2016-05-19 v2 机器学习
神经与进化计算
摘要
我们提出一种从已校正图像对中提取深度信息的方法。我们的方法聚焦于许多立体算法的第一阶段：匹配代价计算。我们通过使用卷积神经网络在小图像块上学习相似性度量来解决该问题。训练以监督方式进行，通过构建包含相似与不相似图像块对的二分类数据集。我们考察了两种用于此任务的网络架构：一种为速度调优，另一种为精度调优。卷积神经网络的输出用于初始化立体匹配代价。随后是一系列后处理步骤：基于交叉的代价聚合、半全局匹配、左右一致性检查、子像素增强、中值滤波和双边滤波。我们在 KITTI 2012、KITTI 2015 和 Middlebury 立体数据集上评估我们的方法，并显示它在所有三个数据集上均优于其他方法。
引用
@article{arxiv.1510.05970,
title = {Stereo Matching by Training a Convolutional Neural Network to Compare Image Patches},
author = {Jure Žbontar and Yann LeCun},
journal= {arXiv preprint arXiv:1510.05970},
year = {2016}
}