基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
立体匹配是一个经典的计算机视觉问题.采用传统方法或卷积神经网络(CNN)方法的立体匹配,其精确度和实时性不能满足实际的在线应用.针对该问题,本文提出一种实时自适应的立体匹配网络算法,通过引入一种新的轻量级的、有效的结构模块自适应立体匹配网络(Modularly Adaptive Stereo Network,MASNet),在网络中嵌入无监督损失模块和残差细化模块,使立体匹配的准确性和实时性得到提高.实验结果表明,本文方法相比具有相似复杂度的模型,精确度更高,并且能以平均约25帧每秒的处理速度达到在线使用的要求.
推荐文章
基于自适应权重的遮挡信息立体匹配算法
立体匹配
自适应权重
遮挡检测
代价聚合
视差优化
融合自适应权重和置信传播的立体匹配算法
立体匹配
局部自适应权重
置信传播
左右一致性检测
基于自适应权值的图割立体匹配算法
自适应权值
图割
α扩展
加权中值
基于自适应窗和行列双动态规划的改进立体匹配算法
自适应窗口
立体匹配
能量模型
动态规划
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 实时自适应的立体匹配网络算法
来源期刊 信号处理 学科 工学
关键词 立体匹配 实时自适应 无监督损失 残差细化模块 视差图
年,卷(期) 2019,(5) 所属期刊栏目 应用
研究方向 页码范围 843-849
页数 7页 分类号 TP391
字数 3633字 语种 中文
DOI 10.16798/j.issn.1003-0530.2019.05.016
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 甘俊英 五邑大学信息工程学院 82 871 14.0 26.0
2 秦传波 五邑大学信息工程学院 16 25 3.0 4.0
3 曾军英 五邑大学信息工程学院 23 58 5.0 7.0
4 翟懿奎 五邑大学信息工程学院 25 110 7.0 9.0
5 冯武林 五邑大学信息工程学院 4 1 1.0 1.0
6 王璠 五邑大学信息工程学院 1 0 0.0 0.0
7 朱伯远 五邑大学信息工程学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (10)
共引文献  (0)
参考文献  (3)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1967(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(2)
  • 参考文献(0)
  • 二级参考文献(2)
2013(2)
  • 参考文献(1)
  • 二级参考文献(1)
2016(1)
  • 参考文献(0)
  • 二级参考文献(1)
2017(1)
  • 参考文献(0)
  • 二级参考文献(1)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
立体匹配
实时自适应
无监督损失
残差细化模块
视差图
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
信号处理
月刊
1003-0530
11-2406/TN
大16开
北京鼓楼西大街41号
18-143
1985
chi
出版文献量(篇)
5053
总下载数(次)
13
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导