基于深度学习的光场图像深度估计教材教学课件.pptxVIP

; 研究背景和意义;研究背景和意义;研究背景和意义; 研究背景和意义;光场成像原理;光场成像原理;光场成像的特点;（3）匹配线索; 研究背景和意义;深度学习相关工作;研究目的 使用CNN网络估计给定光场数据的深度信息。 主要贡献 提出了一种新的方法估计光场域下，图像中每个场景点匹配的2D超平面方向。 提供了合成LF数据集，该数据集提供高精度深度标签，并且其场景可以随机生成。 ;;;;U-shaped Networks for Shape from Light Field.BMVC.2016;;;; 研究背景和意义; 四层卷积，卷积核3x3，特征图64; 全连接层128个神经元; 输入为EPI(9x13)的RGB图像，水平与垂直各一支路，输出为该像素的视差分类（0-14）.;;;;;;3.回归实验;;实验结果及未来工作;