基于空洞卷积和注意力的立体匹配算法

作者：刘志浩; 孟凡云; 王金鹤; 张楠

来源：计算机工程, 2022, 1-11.

DOI：10.19678/j.issn.1000-3428.0065628

• 立体匹配
• 小样本数据
• 空洞卷积
• 注意力模块
• 金字塔池化

基于卷积神经网络的立体匹配算法大多需要较大的感受野，但是大多算法在扩大感受野的同时使得参数量剧增，使得算法对于训练数据的规模有较高的要求。为了解决这个问题，提出了一种基于空洞卷积和注意力的立体匹配算法，具有较快的收敛速度，结构简洁，参数量较少。该算法采用空洞卷积模块，将残差结构和空洞卷积相结合，对于扩大网络的感受野有较好的效果，同时含有较少的参数量；采用注意力模块，通过不同层次的卷积，整合多层次的信息，增加了提取信息的完整性；采用空间金字塔池化模块，通过帯权的金字塔池化，扩大模型的感受野，同时给予不同层次的信息不同的重要性程度。实验结果表明：空洞卷积模块能够提高算法性能，相对于基础方法提升约25%；在使用小样本数据的情况下，在KITTI测试集上，所提算法的精度相对于其他算法提高约35%；在相同数据集和相同训练次数的情况下，所提算法相对于其他算法具有较快的收敛速度。该算法在KITTI数据集上具有较好的效果，适用于小样本数据。

• 单位
  青岛理工大学