論文閱讀筆記《SegStereo: Exploiting Semantic Information for Disparity Estimation》
0.摘要 雙目立體圖像的深度估計具有很廣泛的應用前景。傳統算法在特徵不明顯的區域表現較差，這一問題可以利用高層次的信息來解決，例如語義分割。在這篇文章中，我們發現將語義信息結合起來能夠有效的改善視差估計結果。我們的將語義特徵嵌入特徵圖中，並將規則化的語義信息作爲損失項來改善視差學習效果。我們的模型SegStereo使用了分割後的語義信息，並引入了語義Softmax損失，這有助於提高視差圖的預測
相關文章
- 1. 論文閱讀《SegStereo: Exploiting Semantic Information for Disparity Estimation》
- 2. 論文閱讀筆記《Learning for Disparity Estimation through Feature Constancy》
- 3. 論文導讀｜《Exploiting Rich Syntactic Information for Semantic Parsing with Graph-to-Sequence Model》
- 4. 論文閱讀《Learning for Disparity Estimation through Feature Constancy》
- 5. LinkNet: Exploiting Encoder Representations for Efficient Semantic Segmentation論文閱讀
- 6. 【圖像分割論文閱讀】LinkNet: Exploiting Encoder Representations for Efficient Semantic Segmentation
- 7. Semantic Visual Localization-論文閱讀筆記
- 8. 論文閱讀筆記《End-to-End Disparity Estimation with Multi-granularity Fully Convolutional Network》
- 9. 【論文閱讀】Learning Deconvolution Network for Semantic Segmentation
- 10. Anytime Stereo Image Depth Estimation on Mobile Devices論文閱讀筆記
- 更多相關文章...
- • RSS 閱讀器 - RSS 教程
- • PHP 實例 - AJAX RSS 閱讀器 - PHP教程
- • Tomcat學習筆記（史上最全tomcat學習筆記）
- • JDK13 GA發佈：5大特性解讀
相關標籤/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。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. 論文閱讀《SegStereo: Exploiting Semantic Information for Disparity Estimation》
- 2. 論文閱讀筆記《Learning for Disparity Estimation through Feature Constancy》
- 3. 論文導讀｜《Exploiting Rich Syntactic Information for Semantic Parsing with Graph-to-Sequence Model》
- 4. 論文閱讀《Learning for Disparity Estimation through Feature Constancy》
- 5. LinkNet: Exploiting Encoder Representations for Efficient Semantic Segmentation論文閱讀
- 6. 【圖像分割論文閱讀】LinkNet: Exploiting Encoder Representations for Efficient Semantic Segmentation
- 7. Semantic Visual Localization-論文閱讀筆記
- 8. 論文閱讀筆記《End-to-End Disparity Estimation with Multi-granularity Fully Convolutional Network》
- 9. 【論文閱讀】Learning Deconvolution Network for Semantic Segmentation
- 10. Anytime Stereo Image Depth Estimation on Mobile Devices論文閱讀筆記