原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明涉及一种基于多任务联合学习的语义分割和立体匹配方法及框架，该方法包括以下步骤：获取立体图像对信息，所述立体图像对信息包括左图和右图；基于所述左图和右图，采用联合编码器提取共享特征，并通过计算视差得到初步视差图；基于所述共享特征，通过更新视差以更新所述初步视差图，获得细化视差图，其中所述细化视差图为立体匹配结果；将所述共享特征转换到语义空间，并与所述细化视差图进行特征融合，获得融合特征；基于密集连接的跳跃连接解码器，解码所述融合特征，获得语义分割结果。与现有技术相比，本发明具有提高实时性能、
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117710453A
(43)申请公布日2024.03.15
(21)申请号202311479759.8G06N3/0455(2023.01)
文档评论（0）