• <tr id='ue3gb'><strong id='ue3gb'></strong><small id='ue3gb'></small><button id='ue3gb'></button><li id='ue3gb'><noscript id='ue3gb'><big id='ue3gb'></big><dt id='ue3gb'></dt></noscript></li></tr><ol id='ue3gb'><table id='ue3gb'><blockquote id='ue3gb'><tbody id='ue3gb'></tbody></blockquote></table></ol><u id='ue3gb'></u><kbd id='ue3gb'><kbd id='ue3gb'></kbd></kbd>
    <i id='ue3gb'></i>
    <acronym id='ue3gb'><em id='ue3gb'></em><td id='ue3gb'><div id='ue3gb'></div></td></acronym><address id='ue3gb'><big id='ue3gb'><big id='ue3gb'></big><legend id='ue3gb'></legend></big></address>

      <code id='ue3gb'><strong id='ue3gb'></strong></code>
        <dl id='ue3gb'></dl>
      1. <ins id='ue3gb'></ins>
        <i id='ue3gb'><div id='ue3gb'><ins id='ue3gb'></ins></div></i>

        <fieldset id='ue3gb'></fieldset>

        1. <span id='ue3gb'></span>

            上海交通大學趙旭教授團隊在計算機視覺頂級期刊上發表最新研究成果

            • 时间:
            • 浏览:31

              近日,自動化系趙旭教授團隊碩士研究生宋瀟、方良驥、胡翰文在International Journal of Computer Vision (IJCV) 上在線發表研究論文“EdgeStereo: An Effective Multi-task Learning Network for Stereo Matching and Edge Detection”。IJCV是計算機視覺領域的頂級期刊,五年影響因子12.38,被列為CCF-A類期刊。這也是自動化系研究生首次在IJCV上發表研究論文。

              本論文深入研究瞭雙目立體視覺的特征匹配問題。雙目立體視覺系統在工業測量、機器人感知、手術導航等方面有著非常廣泛的應用。近年來,基於端到端卷積神經網絡的深度立體匹配網絡已取得遠超傳統方法的顯著性能提升。然而,最新的算法框架仍然難以在無紋理區域、微小結構、小物體和近邊界處找到正確的特征對應。而通過邊緣、輪廓等底層視覺線索及其相應的幾何約束,問題的病態性可以得到很大緩解。因此,為瞭提高視差估計質量,本文提出瞭一個有效的多任務學習網絡EdgeStereo,該網絡由視差估計分支和邊緣檢測分支組成,可以同時對視差圖和邊緣進行端到端的估計,把邊緣檢測和視差計算整合到一個網絡中處理。結果表明,基於該統一模型,邊緣檢測任務和立體匹配任務可以互相提升、相得益彰。此外,論文還設計瞭一個緊湊的殘差金字塔模塊,以取代當前立體匹配網絡中常用的多級級聯結構或基於3D卷積的正則化模塊。EdgeStereo在FlyingThings3D數據集,KITTI 2012和KITTI 2015立體基準測試上取得瞭領先的性能,成為眾多論文的參考基準。本工作的會議論文版曾獲ACCV2018最佳論文提名獎。