-
公开(公告)号：CN111709977A
公开(公告)日：2020-09-25
申请号：CN202010185728.1
申请日：2020-03-17
申请人： 北京航空航天大学青岛研究院 , 上海歌尔泰克机器人有限公司
摘要： 本申请公开了一种基于自适应单峰立体匹配成本滤波的双目深度学习方法，其特征在于：对网络预测的匹配代价直接施加以真实视差为中心的单峰分布监督，实现自适应的匹配成本滤波，包括以下步骤：1)构建数据集，数据集包括左图像和右图像，左图像和右图像作为一个立体图像对；2)以PSMNet作为立体匹配模型基础网络，将立体图像对输入PSMNet立体匹配模型基础网络，PSMNet立体匹配模型基础网络输出三个经过堆积的沙漏3D卷积神经网络聚合后的匹配代价体(Cost Volume)；3)对于每个匹配代价体(Cost Volume)，分别用一个自信度评估网络(Confidence Estimation Network)估计自信度图并用于调节真实的匹配代价体(Ground Truth Cost Volume)，以生成像素级别的单峰分布(Unimodal Distribution)作为网络训练标记。本发明的优点在于它能克服现有技术的弊端，结构设计合理新颖。
-
公开(公告)号：CN110599428B
公开(公告)日：2023-06-20
申请号：CN201910904000.7
申请日：2019-09-24
申请人： 北京航空航天大学青岛研究院 , 北京航空航天大学 , 歌尔股份有限公司 , 上海歌尔泰克机器人有限公司
IPC分类号： G06T5/00 , G06T9/00 , G06T7/246 , G06N3/0464 , G06N3/0455
摘要： 本发明所述光流估计异构混合网络及其嵌入方法，基于深度学习的光流估计算法，将coarse‑to‑fine网络和编解码网络结合到混合光流网络，以实现两个异构网络的相互增强，既通过coarse‑to‑fine网络保持较小的规模、同时借助编解码网络克服coarse‑to‑fine网络存在的难捕获快速移动小目标和易导致“鬼影现象”的问题。混合网络，是将编解码网络嵌入到coarse‑to‑fine网络中而形成的；所述的编解码网络，其特征匹配部分进行通道压缩而与coarse‑to‑fine网络的特征匹配部分输出的匹配特征进行拼接；coarse‑to‑fine网络的光流估计部分的输出反馈给编解码网络。
-
公开(公告)号：CN110599428A
公开(公告)日：2019-12-20
申请号：CN201910904000.7
申请日：2019-09-24
申请人： 北京航空航天大学青岛研究院 , 北京航空航天大学 , 歌尔股份有限公司 , 上海歌尔泰克机器人有限公司
摘要： 本发明所述光流估计异构混合网络及其嵌入方法，基于深度学习的光流估计算法，将coarse-to-fine网络和编解码网络结合到混合光流网络，以实现两个异构网络的相互增强，既通过coarse-to-fine网络保持较小的规模、同时借助编解码网络克服coarse-to-fine网络存在的难捕获快速移动小目标和易导致“鬼影现象”的问题。混合网络，是将编解码网络嵌入到coarse-to-fine网络中而形成的；所述的编解码网络，其特征匹配部分进行通道压缩而与coarse-to-fine网络的特征匹配部分输出的匹配特征进行拼接；coarse-to-fine网络的光流估计部分的输出反馈给编解码网络。
-
-
搜索结果
3 条记录 (耗时 0.051 秒)
