原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：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
深度学习在立体匹配方面的研究综述
目录
立体匹配基础概念及背景介绍．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3
1.1立体匹配简介．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4
1.2深度学习在图像处理中的应用．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6
1.3立体匹配与深度学习的结合点及发展方向．．．．．．．．．．．．．．．．．．．9
立体匹配算法的历史发展．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．12
2.1传统立体匹配算法概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．17
2.1.1基于能量的立体匹配．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．22
2.1.2基于模型的立体匹配．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．23
2.2立体匹配与深度学习的结合．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．26
2.2.1立体匹配中深度学习的初期尝试．．．．．．．．．．．．．．．．．．．．．．．．27
2.2.2深度学习立体匹配算法的现代化提升．．．．．．．．．．．．．．．．．．．．28
深度学习在立体匹配中的应用探索．．．．．．．．．．．．．．．．．．．．．．．．．31
3.1深度学习在立体视差估算中的应用．．．．．．．．．．．．．．．．．．．．．．．．33
3.1.1基于卷积神经网络的立体匹配方法．．．．．．．．．．．．．．．．．．．．．．37
3.1.2深度可分离的原地立体匹配策略．．．．．．．．．．．．．．．．．．．．．．．．40
3.1.3实体与背景分离立体匹配概览．．．．．．．．．．．．．．．．．．．．．．．．．．44
3.2数据表征与立体任务深度学习．．．．．．．．．．．．．．．．．．．．．．．．．．．．49
3.2.1多尺度卷积神经网络立体匹配．．．．．．．．．．．．．．．．．．．．．．．．．．52
3.2.2全卷积神经网络在立体匹配中的应用．．．．．．．．．．．．．．．．．．．．57
3.2.3深层级数网络模式匹配的实现．．．．．．．．．．．．．．．．．．．．．．．．．．59
3.3多模态深度学习在立体匹配中的应用．．．．．．．．．．．．．．．．．．．．．．62
3.3.1光流法与立体匹配的结合．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．64
3.3.2立体匹配中的深度嵌入方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．65
3.3.3结合多源信息的立体匹配算法．．．．．．．．．．．．．．．．．．．．．．．．．．68
3.4晚期深度学习技术进立体匹配测深．．．．．．．．．．．．．．．．．．．．．．．．70
3.4.1深度不断学习在立体匹配中的运用．．．．．．．．．．．．．．．．．．．．．．74
3.4.2条件随机场和散场找寻立体匹配．．．．．．．．．．．．．．．．．．．．．．．．77
3.4.3立体匹配优化策略的深入挖掘．．．．．．．．．．．．．．．．．．．．．．．．．．79
最新研究进展及关键研究难点．．．．．．．．．．．．．．．．．．．．．．．．．．．．．82
4.1最前沿的技术探索．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．84
4.1.1改进的网络结构以提升立体匹配效果．．．．．．．．．．．．．．．．．．．．89
4.1.2网络正则化策略在立体匹配中的应用．．．．．．．．．．．．．．．．．．．．91
4.1.3实例级立体匹配中的新贵模型．．．．．．．．．．．．．．．．．．．．．．．．．．94
4.2研究瓶颈与挑战．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．96
4.2.1立体匹配的基准数据集建设．．．．．．．．．．．．．．．．．．．．．．．．．．．．97
4.2.2大数据测试环境下的稳定性问题．．．．．．．．．．．．．．．．．．．．．．．101
4.2.3其他能效与优化方面需要更进一步的探索．．．．．．．．．．．．．．．102
总结及未来展望．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．105
5.1综述总结．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．108
5.2未来立体匹配发展的潜在方向．．．．．．．．．．．．．．．．．．．．．．．．．．．110
5.2.1全框架叠加深度学习立体匹配．．．．．．．．．．．．．．．．．．．．．．．．．113
5.2.2深度强化学习在立体
文档评论（0）