基于多维注意力的立体匹配网络

孙国栋; 张航; 李超; 杨雄

doi:10.13873/J.1000-9787(2023)06-0133-04

Chinese

您当前的位置：

首页 >

文章列表页 >

基于多维注意力的立体匹配网络

计算与测试 | 更新时间：2025-09-11

- 基于多维注意力的立体匹配网络
- 暂无标题
- 传感器与微系统 2023年第6期页码：133-136+145
- 作者机构：
  
  湖北工业大学机械工程学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目（51775177）
- DOI：10.13873/J.1000-9787(2023)06-0133-04
  中图分类号： TP18;TP391.41
- 纸质出版：2023
- 稿件说明：
移动端阅览
孙国栋, 张航, 李超, 等. 基于多维注意力的立体匹配网络[J]. 传感器与微系统, 2023,(6):133-136+145.
孙国栋, 张航, 李超, 等. 基于多维注意力的立体匹配网络[J]. 传感器与微系统, 2023,(6):133-136+145. DOI： 10.13873/J.1000-9787(2023)06-0133-04.

DOI：

摘要

针对基于深度学习的立体匹配算法在挑战区域（如细节区域、弱纹理区域）存在一些误匹配的问题，提出一种基于多维注意力的立体匹配方法。首先，设计空间金字塔注意（SPA）模块，通过将空间金字塔结构与注意力机制相结合，获取更有效的全局上下文信息，来提高匹配精度；然后，构建注意力堆叠沙漏聚合（ASA）模块，在堆叠沙漏结构中引入注意力机制（AM），对匹配代价体进行重新校准，以进行更精确的视差计算；同时，采用可微分的Patch Match(DPM)方法，通过减少候选视差数量，构建轻量级匹配代价体，在保证模型匹配精度的同时，降低了计算资源的消耗。在Scene Flow、KITTI2015和KITTI2012数据集上的实验结果表明，与基准方法相比，所提算法在减少运行时间的同时提高了匹配精度。

Abstract

关键词

Keywords

references

基于双目视觉的电动汽车充电孔识别定位系统[J]. 姚安庆;徐建明.传感器与微系统,2021(07)

AANET: Adaptive aggregation network for efficient stereo matching[J]. Xu H.;Zhang J..Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition,2020

Squeeze-and-Excitation Networks[J]. Hu Jie;Shen Li;Albanie Samuel;Sun Gang;Wu Enhua.IEEE Transactions on Pattern Analysis and Machine Intelligence,2019

Multi-Dimensional Residual Dense Attention Network for Stereo Matching.[J]. Guanghui Zhang;Dongchen Zhu;Wenjun Shi;Xiaoqing Ye;Jiamao Li;Xiaolin Zhang.IEEE Access,2019

Stereo Matching by Training a Convolutional Neural Network to Compare Image Patches.[J]. Jure Zbontar;Yann LeCun.Journal of Machine Learning Research,2016

A Taxonomy and Evaluation of Dense Two-Frame Stereo Correspondence Algorithms.[J]. Daniel Scharstein;Richard Szeliski.International Journal of Computer Vision,2002

浏览量

123

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

一种新型注意力机制的双人交互行为识别方法

面向校园场景视频监控的人体行为识别方法

基于改进U²-Net的摇床精矿带图像分割方法

基于改进卷积神经网络的膝关节图像分类研究

基于轻量化YOLOv4的火灾检测识别算法