论文笔记 —— StereoNet: Guided Hierarchical Refinement for Real-Time Edge-Aware Depth Prediction
上图所示为网络架构，蓝色方框之前的部分是粗粒度的深度估计，这部分首先通过 Encoder 的结构进行图像特征提取，然后将左右两个图片的特征得到相应的 Cost Volume， 之后利用三维卷积操作得到 1/8 分辨率的深度图。 粗粒度的深度估计 提取特征：左右图共享权值的暹罗网络（Siamese Network）分别提取左右图的特征，使用 K 个 5*5 的卷积层进行下采样操作（K 通常取 3 或
相关文章
- 1. 论文翻译：StereoNet: Guided Hierarchical Refinement for Real-Time Edge-Aware Depth Prediction
- 2. Hierarchical Features Driven Residual Learning for Depth Map Super-Resolution 2019TIP 论文阅读
- 3. Guided Anchoring 论文笔记
- 4. 论文笔记《Self-Attention ConvLSTM for Spatiotemporal Prediction》
- 5. 《Structured Knowledge Distillation for Dense Prediction》论文笔记
- 6. 【论文笔记】 Reinforcement-Learning-Guided Source Code Summarization using Hierarchical Attention
- 7. 《Motion-Guided Cascaded Refinement Network for Video Object Segmentation》论文阅读
- 8. 论文Depth Information Guided Crowd Counting for Complex Crowd Scenes
- 9. 论文笔记-Detail Preserving Depth Estimation from a Single Image Using Attention Guided Networks
- 10. 论文笔记-深度估计(4) Semi-Supervised Deep Learning for Monocular Depth Map Prediction
- 更多相关文章...
- • ASP.NET Razor - 标记 - ASP.NET 教程
- • Scala for循环 - Scala教程
- • Tomcat学习笔记（史上最全tomcat学习笔记）
- • Scala 中文乱码解决
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. 论文翻译：StereoNet: Guided Hierarchical Refinement for Real-Time Edge-Aware Depth Prediction
- 2. Hierarchical Features Driven Residual Learning for Depth Map Super-Resolution 2019TIP 论文阅读
- 3. Guided Anchoring 论文笔记
- 4. 论文笔记《Self-Attention ConvLSTM for Spatiotemporal Prediction》
- 5. 《Structured Knowledge Distillation for Dense Prediction》论文笔记
- 6. 【论文笔记】 Reinforcement-Learning-Guided Source Code Summarization using Hierarchical Attention
- 7. 《Motion-Guided Cascaded Refinement Network for Video Object Segmentation》论文阅读
- 8. 论文Depth Information Guided Crowd Counting for Complex Crowd Scenes
- 9. 论文笔记-Detail Preserving Depth Estimation from a Single Image Using Attention Guided Networks
- 10. 论文笔记-深度估计(4) Semi-Supervised Deep Learning for Monocular Depth Map Prediction