资料下载
×
基于非对称空间金字塔池化模型的CNN结构
消耗积分:0 |
格式:pdf |
大小:4.43 MB |
2021-03-30
分享资料个
卷积神经网络因具有强大的表征能力而被广泛用于图像处理算法，但其在处理过程中存在耗时和信息损失等不足。为此，提出一种基于非对称空间金字塔池化模型的卷积神经网络结构。设计非对称金字塔池化方法融入立体匹配网络，以获取更详细的图像特征信息。分别叠加卷积核为3×3和1×1的卷积层，用于融合多尺度信息和提升网络收敛速度，同时将网络结构由4层增加至7层，以提高匹配精度。在KIT和 Middlebury数据集上进行视差预测，实验结果表明，与基准网络相比，该网络结构可使收敛时间缩短约50.1%，匹配错误率从6.65%降低至4.78%，在立体匹配中获得更平滑的视差效果。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
