计算机工程

作者：王金鹤, 苏翠丽, 孟凡云, 车志龙, 谭浩, 张楠

单位：青岛理工大学 信息与控制工程学院, 山东 青岛 266000

关键词：卷积神经网络,非对称空间金字塔池化,多尺度融合,信息损失,立体匹配

基金：国家自然科学基金（31271077）；山东省高等学校科技计划项目（J17KA061）。

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KITTI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。

来源：2020年第7期

《计算机工程》期刊编辑部

查看计算机工程杂志2020年第7期