基于损失自注意力机制的立体匹配算法研究

打开文本图片集

摘 要：针对现有的立体匹配算法在阴影、物体边缘和光照反射等区域匹配困难且存在大量错误结果的问题，设计了一种可拆卸的损失自注意力网络（loss self-attention net，LSAnet）查找图像中的匹配困难区域。LSAnet的网络各层相互稠密连接，应用了空洞卷积来扩大感受野，并以立体匹配算法生成的损失分布为标签，能够动态地进行有监督训练，最终生成匹配困难区域掩膜辅助立体匹配网络进行更好的优化；同时，改进了立体匹配网络中经典的特征匹配代价卷结构，降低了后续3D卷积的计算负荷，提高了匹配效率。（剩余14112字）