立体匹配 --视差预测‘soft argmin‘

立体匹配中,精准视差图的获取是关键,传统方法通过'argmin'求解最小值。然而,'argmin'不具可微性,阻碍了深度学习的反向传播。GCNet引入'软argmin',利用softmax将成本体积转化为概率分布,生成可计算损失的2D视差图,便于网络优化和反向传播。
摘要由CSDN通过智能技术生成

1.立体匹配的关键任务就是预测精准的视差图,对于视差图每一个像素位置的值并不是(0-255)灰度值,而是一个视差值。
2.那么这些视差值如何得到的呢,最开始是由传统方法的 ’argmin‘得到。

  • arg min 就是使后面这个式子达到最小值时的变量的取值。
  • 例如 函数F(x,y):

arg min F(x,y)就是指当F(x,y)取得最小值时,变量x,y的取值。

3.但这个 'argmin’并不可微,也就是说无法反向传播。
在这里插入图片描述

  • 所以 GCNet这篇文章提出了’soft argmin’这个函数。
    在这里插入图片描述
    在这里插入图片描述
  • 这个函数是‘softmax’操作,经常用于cv的分类任务中,将预测值转换为概率。就是最后的fc-layer将每个分类都赋予概率值。
    在这里插入图片描述
    4.那么在立体匹配中 'soft max’这个函数是如何使用的呢?
  • 14
    点赞
  • 34
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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