Stereo Matching by Training a Convolutional Neural Network to Compare Image Patches

最新推荐文章于 2022-03-27 22:47:23 发布
最新推荐文章于 2022-03-27 22:47:23 发布
阅读量258 收藏
点赞数
分类专栏： 基于深度学习的立体匹配 文章标签： 计算机视觉 算法 神经网络
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Chinese_OG/article/details/116016100
版权

论文题目：Stereo Matching by Training a Convolutional Neural Network to Compare Image Patches

发表：cvpr2015

一、介绍：这篇文章的贡献是1介绍了两个基于卷积神经网络计算立体匹配算法的算法2.在数据集中有着更低的错误率的算法和实现代码3.实验分析了与其他算法错误率的比较和不同超参数的设置。

二、相关工作：立体匹配算法的回顾：04年K&T平方距离和为匹配代价，训练概率分布模型—>06年K&T延续了之前的工作增加了归一化互相关—>12年 P等用了AD-census和多类线性判别式。07年Z&S利用替代优化算法估计马尔可夫随机场最优解—>07年S&P条件随机场概率—>08年svm+条件随机场概率。13年H&S匹配代价置信度—>13年H随机森林组合置信度—>14年S等随机森林组合置信度再作为马尔可夫随机场的软约束—>15年Z&K卷积神经网络。

三、匹配代价：用监督式卷积神经网络评估小图像块相似度，构建数据集：从已知的视差图中获得真实视差值，确保消极点不围绕真实视差点，加上Opos是让好的匹配和相近匹配都有最低的匹配代价。网络架构：速度架构和精

最低0.47元/天 解锁文章
Chinese_OG
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
matlab终止以下代码-mc-cnn:通过训练卷积神经网络比较图像斑块进行立体匹配
05-21
matlab终止以下代码通过训练卷积神经网络比较图像斑块进行立体匹配 资料库包含 用卷积神经网络计算立体声匹配成本的过程； 在立体匹配任务上训练卷积神经网络的程序； 和 基本的立体方法（基于交叉的成本汇总，半全局匹配，左右一致性检查，中值过滤器和双边过滤器）； 在KITTI数据集上运行至少需要6 GB内存的NVIDIA GPU，在Middleiddle数据集上运行需要至少12 GB的NVIDIA GPU。 我们在GTX Titan（仅KITTI），K80和GTX Titan X上测试了该代码。该代码根据BSD 2条款许可发布。 如果您在工作中使用此存储库中的代码，请引用我们的文档。 @article{zbontar2016stereo, title={Stereo matching by training a convolutional neural network to compare image patches}, author={Zbontar, Jure and LeCun, Yann}, journal={Journal of Machine Learning Researc
《Stereo Matching by Training a Convolutional Neural Network to Compare Image Patches》
正在挣扎中的人
11-20 1023
总结MC-CNN
Stereo Matching by Training a Convolutional Neural Network to Compare Image Patches 译文
dyingstraw的博客
03-06 491
摘要 我们提出了一种从已纠正的一对图片来提取深度信息的方法。我们的方法聚焦于很多立体构建算法的第一阶段：匹配损失（match cost）计算。我们通过卷积神经网络通过对小的图像块的相似度的学习，来解决这个问题。通过构建一个二分类的数据集（相似，不相似的样本）进行有监督的训练。我们提出连个网络去实现这个任务，一个调整速度、一个调整精度。cnn的输出被用作立体匹配的成本（stereo match...
论文学习——Stereo Matching by Training a Convolutional Neural Network to Compare Image Patches
xxxlinttp的博客
09-18 2242
论文学习——Stereo Matching by Training a Convolutional Neural Network to Compare Image Patches 原始论文地址：https://arxiv.org/abs/1510.05970 代码：https://github.com/jzbontar/mc-cnn 摘要：针对很多立体匹配算法的第一阶段——匹配代价计
Convolutional neural network and adaptive guided image filter based stereo matching
02-22
Convolutional neural network and adaptive guided image filter based stereo matching
wgif.rar_image matching_stereo matching_加权引导滤波_引导滤波_立体匹配
07-15
立体匹配，引导滤波， 加权引导滤波，对立体匹配进行操作
A new stereo matching method for RAW image data based on improved SGBM
02-08
A new stereo matching method for RAW image data based on improved SGBM
Pyramid Stereo Matching Network
03-28
Recent work has shown that depth estimation from a stereo pair of images can be formulated as a supervised learning task to be resolved with convolutional neural networks (CNNs). However, current ...
An Iterative Image Registration Technique with an Application to Stereo Vision
07-24
An Iterative Image Registration Technique with an Application to Stereo Vision
【翻译学习笔记】Stereo Matching by Training a Convolutional Neural Network to Compare Image Patches
liuqy123的博客
08-21 2037
Stereo Matching by Training a Convolutional Neural Network to Compare Image Patches 通过训练卷积神经网络对比图像小块的方法实现立体匹配（更新中） Abstract We present a method for extracting depth information from a rectified ima...
论文阅读《MC-CNN: Stereo Matching by Training a Convolutional Neural Network to Compare Image Patches》
薛定谔的猫头咕咕咕
03-27 1429
论文地址：https://arxiv.org/abs/1510.05970 源码地址：https://github.com/jzbontar/mc-cnn 背景   传统的立体匹配算法包含：匹配代价计算，代价聚合，视差计算，视差精细化四个步骤；针对初始匹配代价计算，本文提出一种基于CNN的patch相似度衡量方法，再结合传统算法中的代价聚合、视差计算与视差精细化步骤预测输入图像的深度图； 模型结构   基于自监督学习的框架引导模型训练，用<Pn×nL(p),Pn×nR(q)><\math
【Deep Learning】Review of Stereo Matching by Training a Convolutional Neural Network to Compare Image
qbt4juik的专栏
02-02 1957
Stereo Matching by Training a Convolutional Neural Network to Compare Image Link: http://arxiv.org/abs/1510.05970 Code: https://github.com/jzbontar/mc-cnn ____________________________________
论文翻译------Stereo Matching by Training a Convolutional Neural Network to Compare Image Patches
梦的漂流瓶的博客
07-19 565
原文介绍了一种基于深度学习的密集匹配方法MC-NET，是第一篇将深度学习引入密集匹配方面的文章。 原文链接如下MC=NET **********************************************************手动分割线***********************************************************************...
三维视觉论文阅读：mc-cnn2016双目立体匹配
Yan
12-15 1613
论文 Stereo Matching by Training a Convolutional Neural Network to Compare Image Patches 摘要 本篇文章只关注“像素块相似度”这一块，仅仅是双目立体匹配中的一个小模块；导致文中还有大量传统方法的内容，不过这些东西不是现在应该讨论的重点，所以直接跳过了。 方法 早期的深度学习方法都还不是end2end，所以行文有点啰嗦。本篇文章大致分为数据集以及两个对应的网络。 1 数据集 考虑到本文只关心像素块的相似度，因此作者用了一个很简
快速高分辨率图像的立体匹配方法Effective large scale stereo matching
liyingjiang22的博客
10-23 1007
《Effective large scale stereo matching》 In this paper we propose a novel approach to binocular stereo for fast matching of high-resolution images. Our approach builds a prior on the disparities by
论文翻译 DOTA:A Large-scale Dataset for Object Detection in Aerial Images
weixin_34081595的博客
05-12 1044
简介：武大遥感国重实验室-夏桂松和华科电信学院-白翔等合作做的一个航拍图像数据集 摘要： 目标检测是计算机视觉领域一个重要且有挑战性的问题。虽然过去的十几年中目标检测在自然场景已经有了较重要的成就，但在遥感图像上却进展缓慢，原因不仅仅体现在图像规模的庞大及多样性、物体定位问题和地球表面物体实例的形状检测上，还因为遥感场景中具有良好注释的数据集过于匮乏。为了推进在Eart...
PSMNet:Pyramid Stereo Matching Network学习测试笔记00
Quasimo
05-29 4505
CVPR2018原文链接 Github仓库地址 SceneFlow数据集链接，只需要cleanpass和Disparity 文章目录1.简要描述2.硬件推荐3.训练过程4. 不靠谱的测试5.PSMNet存在问题 1.简要描述 PSMNet是一个很6皮的三维重建网络，我需要做三维重建，说句实在话，经典结构光法精度高，也已经发展到瓶颈了，多频外插法一枝独秀。深度学习的双目仿生原理，感觉会很有前景和研究...
pyramid stereo matching network
最新发布
03-16
金字塔立体匹配网络（Pyramid Stereo Matching Network）是一种基于深度学习的立体匹配算法，它通过构建金字塔结构来提高匹配精度和效率。该算法使用卷积神经网络（CNN）来提取图像特征，并通过多个尺度的特征图进行...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值