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、消耗高的问题。为解决此类问题，提出了一种参数量只有PSMNet一半的立体匹配端到端网络结构。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降低；在视差计算中将匹配成本特征体的输出进行多视差预测；并在L1损失函数的基础上加入交叉熵损失函数，在消耗降低的同时保证了模型匹配精度。在KITTI数据集和SceneFlow数据集上对所提算法进行测试，实验结果表明与基准方法相比，模型参数量降低了58%的同时精度提升24%。
- 单位
