超级会员免费看
本文深入探讨立体匹配技术，重点介绍了Semi-Global Matching（SGM）中的代价聚合和Cost Volume概念。通过多尺度交互和全局优化策略，提升算法效果。CSCA算法作为实例，展示了其在代价聚合模型的创新。同时，文章讨论了Pyramid Stereo Matching Network（PSM-Net）如何利用空间金字塔池化模块整合全局上下文信息，以提高匹配精度。
备注：ground truth 关键词解析
ground truth就是参考标准，一般用来做误差量化。
1>> 比方说要根据历史数据预测某一时间的温度，ground truth就是那个时间的真实温度。error就是(predicted temperature - real temperature)。
2>> 在全监督学习中，数据是有标签（label）的的，以(x, t)的形式出现，其中x是输入数据，t是label。正确的t标签是ground truth， 错误的标签则不是。
3>> 由模型函数的数据则是由(x, y)的形式出现的。其中x为之前的输入数据，y为模型预测的值。
标注会和模型预测的结果作比较。在损耗函数中会将y 和 t 作比较，从而计算损耗（量化预测值与真实值的差别）。 比如在最小方差中：如果预测标签不是ground truth，那么loss的计算将会产生误差，从而影响到模型质量
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
