论文阅读笔记《End-to-End Learning of Geometry and Context for Deep Stereo Regression》
本文使用了3D卷积的概念去获得更多的上下文信息，并采用回归的方法去预测视差值，不再使用传统的成本聚合，视差计算，视差优化的方法，利用一个端到端的网络直接生成最终的视差图。这一思路无疑比传统的图块匹配的方法更加先进，而且不用再给图块设置标签，直接将预测结果与真实视差图进行比对，再将误差反向传播即可，后来的许多网络都采用了这一思路。该算法当时也在KITTI 排行榜中排名第一，2018年5月11日，
相关文章
- 1. End-to-End Learning of Geometry and Context for Deep Stereo Regression
- 2. Machine Learning & Deep Learning 论文阅读笔记
- 3. Deep Mutual Learning论文阅读笔记
- 4. 论文阅读笔记《Deep Active Learning for Civil Infrastructure Defect Detection and Classification》
- 5. 论文阅读：《Wide & Deep Learning for Recommender Systems》
- 6. 1604.Joint Detection and Identification Feature Learning for Person Search论文阅读笔记
- 7. Deep Learning of Graph Matching 阅读笔记
- 8. Deep Residual Learning for Image Recognition--ResNet论文阅读笔记
- 9. 论文阅读笔记：Learning Deep Features for Discriminative Localization
- 10. 【论文阅读笔记】Deep Learning for Health Informatics
- 更多相关文章...
- • RSS 阅读器 - RSS 教程
- • C# 文本文件的读写 - C#教程
- • Tomcat学习笔记（史上最全tomcat学习笔记）
- • RxJava操作符（七）Conditional and Boolean
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. End-to-End Learning of Geometry and Context for Deep Stereo Regression
- 2. Machine Learning & Deep Learning 论文阅读笔记
- 3. Deep Mutual Learning论文阅读笔记
- 4. 论文阅读笔记《Deep Active Learning for Civil Infrastructure Defect Detection and Classification》
- 5. 论文阅读：《Wide & Deep Learning for Recommender Systems》
- 6. 1604.Joint Detection and Identification Feature Learning for Person Search论文阅读笔记
- 7. Deep Learning of Graph Matching 阅读笔记
- 8. Deep Residual Learning for Image Recognition--ResNet论文阅读笔记
- 9. 论文阅读笔记：Learning Deep Features for Discriminative Localization
- 10. 【论文阅读笔记】Deep Learning for Health Informatics