典型文献
轻量级自适应上采样立体匹配
文献摘要：
针对现有立体匹配深度学习模型中常采用线性插值进行代价体上采样,而无法充分利用邻域纹理信息的问题,提出了一个自适应上采样模块.该模块首先为高分辨率输出中每一个像素位置自适应学习采样的权重窗口,然后采用最近邻方法将低分辨率输入上采样后在对应位置使用学习到的权重卷积得到最终对应高分辨输出的值.该模块具有三个特点:(1)大感受野,通过堆叠的空洞卷积以及多尺度窗口提高像素的邻域纹理感知能力;(2)轻量级,与线性插值相比,不需增加过多计算量;(3)通用性,可以移植到现有网络,替换其插值方法.在数据集SceneFlow、KITTI2015上的实验表明,通过采用所提模块替换PSMNet和AANet中的三线性插值,可以有效地降低各自的误差26.4％、10.3％(SceneFlow)和15.4％、18.9％(KITTI2015).
文献关键词：
深度学习;立体匹配;代价体;上采样;轻量级
中图分类号：
作者姓名：
宋嘉菲;张浩东
作者机构：
中国科学院 上海微系统与信息技术研究所 仿生视觉系统实验室,上海 200050;上海科技大学 信息科学与技术学院,上海 201210;中国科学院大学,北京 100049
文献出处：
引用格式：
[1]宋嘉菲;张浩东-.轻量级自适应上采样立体匹配)[J].计算机工程与应用,2022(16):139-146
A类：
SceneFlow,PSMNet,AANet
B类：
轻量级,上采样,立体匹配,深度学习模型,线性插值,代价体,邻域,纹理信息,样模,先为,像素位置,自适应学习,最近邻,低分辨率,用学,感受野,堆叠,空洞卷积,高像素,感知能力,加过,计算量,通用性,插值方法,KITTI2015,三线
AB值：
0.318128
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
