Indexed by：
Abstract：
针对现有立体匹配深度网络中特征提取模块冗余度高以及用于视差计算的3D卷积模块感受野受限问题,提出改进的端到端深度网络.相比现有网络,该网络特征提取模块遵循立体匹配特性,结构更简洁;引入分离3D卷积实现大卷积核3D卷积运算以扩充感受野.在SceneFlow数据集上,从匹配精度和计算开销等方面评估所提出网络.实验结果显示:所提出网络在准确度上达到了先进水平;相比现有同类型模块,所提出特征提取模块在保证结果精度的同时能减少90％的参数量,并减少约25％的训练时间;相比3D卷积,所提出的分离3D卷积将卷积核大小提升至覆盖整个视差维度,搭配群组归一化(group normalization,GN),其端点误差(end-point-error,EPE)较基础方法降低了12％的相对量.
Keyword：
Reprint Author's Address：
Email：
Source ：
计算机研究与发展
ISSN： 1000-1239
Year： 2020
Issue： 7
Volume： 57
Page： 1531-1538
Cited Count：
SCOPUS Cited Count： 4
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 1
