科研之友
微信
新浪微博
Facebook
分享链接
摘要
现如今用于立体匹配的深度学习算法都存在网络结构复杂、消耗大的问题。为解决此类问题,提出了一种参数量只有参考网络PSMNet一半的立体匹配端到端网络结构。所提结构在特征提取模块保留大致框架的同时,减少多余卷积层,并融合空间注意力机制和通道注意力机制来汇聚上下文信息;在代价计算模块,通过加大偏移步长减少视差计算输入的视差维度,使视差计算的参数量和消耗大幅度减少;在视差计算中,对匹配成本特征体的输出进行多视差预测;在L1损失函数的基础上加入交叉熵损失函数,这样可在降低消耗的同时保证了模型匹配精度。在KITTI数据集和SceneFlow数据集上对所提模型进行测试,实验结果表明:与基准方法相比,所提模型的参数量减少了58%,精度提升24%。
- 单位
