声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：31-1289/TP
国际刊号：1000-3428
发布日期:
作者：刘志浩, 孟凡云, 王金鹤, 张楠
单位：青岛理工大学 信息与控制工程学院, 山东 青岛 266520
关键词：立体匹配,小样本数据,空洞卷积,注意力模块,金字塔池化
基金：山东省自然科学基金(ZR2019BA014)
基于卷积神经网络的立体匹配算法大多需要较大的感受野，但多数算法在扩大感受野的同时参数量也容易剧增，导致算法对训练数据的规模要求较高。提出一种基于空洞卷积和注意力模块的立体匹配算法，采用空洞卷积模块，将残差结构和空洞卷积相结合，以在较少参数量的情况下扩大网络的感受野。使用注意力模块，通过不同层次的卷积整合多层次的信息，增加所提取信息的完整性。采用空间金字塔池化模块，通过帯权的金字塔池化扩大模型的感受野，并赋予不同层次信息不同的重要性程度。实验结果表明，在相同数据集和训练次数的情况下，所提算法相对于DispNetC等其他算法具有较快的收敛速度，且结构简单，参数量较少，适用于小样本数据。
来源：2023年第8期
《计算机工程》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。