End-to-End Learning of Geometry and Context for Deep Stereo Regression

1 文章说明

出处：CVPR17

方向：立体匹配

代码：https://github.com/zyf12389/GC-Net

2 文章内容

（1）end-to-end 生成视差图

  (2) 生成3d的cost value

  (3) 生成最终的视差图

3 网络架构



算法流程：

1 使用同一网络提取图像对的特征

2 利用提取到的特征计算cost Volume

设 max disparity = D

图2 Cost Volunm 的生成


3利用3D 网络计算匹配成本

4利用Differentiable ArgMin计算视差图 

(5)损失函数

©著作权归作者所有,转载或内容合作请联系作者
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

推荐阅读更多精彩内容