论文阅读笔记《End-to-End Disparity Estimation with Multi-granularity Fully Convolutional Network》
0. 摘要 视差估计是机器视觉领域中一个具有挑战性的任务。在这篇论文中，我们提出一个多粒度的全卷积网络结构用于端到端的视差估计。首先，我们使用一个训练好的残差网络用于提取多粒度和多层级的特征。然后，对三个不同粒度的特征图使用correlation层，来获得左右特征图之间的分层匹配信息。第三步，我们采用级联的反卷积操作输出视差图。 1. 介绍 生成一个准确的视差图是很有难度的，尤其是预测一个
相关文章
- 1. 论文阅读笔记《Learning for Disparity Estimation through Feature Constancy》
- 2. 论文阅读笔记《SegStereo: Exploiting Semantic Information for Disparity Estimation》
- 3. 论文阅读笔记：FULLY CONVOLUTIONAL MULTI-CLASS MULTIPLE INSTANCE LEARNING
- 4. 论文阅读笔记《leaning spatiotemporal features with 3D convolutional network》
- 5. 论文阅读笔记（一）——Deep Convolutional Neural Network with Independent
- 6. 【论文笔记】Object Contour Detection with a Fully Convolutional Encoder-Decoder Network
- 7. 论文笔记-Depth Estimation via Affinity Learned with Convolutional Spatial Propagation Network
- 8. 全卷积（FCN）论文阅读笔记：Fully Convolutional Networks for Semantic Segmentation
- 9. 论文阅读笔记：Fully Convolutional Networks for Semantic Segmentation
- 10. 论文阅读 Robust Facial Landmark Detection via a Fully-Convolutional Local-Global Context Network
- 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）
- • JDK13 GA发布：5大特性解读
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. 论文阅读笔记《Learning for Disparity Estimation through Feature Constancy》
- 2. 论文阅读笔记《SegStereo: Exploiting Semantic Information for Disparity Estimation》
- 3. 论文阅读笔记：FULLY CONVOLUTIONAL MULTI-CLASS MULTIPLE INSTANCE LEARNING
- 4. 论文阅读笔记《leaning spatiotemporal features with 3D convolutional network》
- 5. 论文阅读笔记（一）——Deep Convolutional Neural Network with Independent
- 6. 【论文笔记】Object Contour Detection with a Fully Convolutional Encoder-Decoder Network
- 7. 论文笔记-Depth Estimation via Affinity Learned with Convolutional Spatial Propagation Network
- 8. 全卷积（FCN）论文阅读笔记：Fully Convolutional Networks for Semantic Segmentation
- 9. 论文阅读笔记：Fully Convolutional Networks for Semantic Segmentation
- 10. 论文阅读 Robust Facial Landmark Detection via a Fully-Convolutional Local-Global Context Network