《表1 本文方法在Middlebury数据集上的错误率》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《结合CNN与分割约束的立体匹配算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

%

为验证本文算法中各项实际效果，在数据集上测试并对比有无使用神经网络数据项，与是否采用分割约束项的错误率.具体对比方法有:采用一致性假设为数据项（见式 （3）） 及基础约束项（见式 （5）） 的基准方法、使用MCCNN作为数据项（见式 （4）） 及视差光滑（smooth disparity，SD）约束项（见式 （5）） 的MCCNN+SD方法、采用MCCNN数据项（见式 （4）） 与分割（segmentation，SEG）约束项（见式 （6）） 的MCCNN+SEG方法（本文完整方法）.在Middlebury数据集上，进行了上述各类方法的量化效果对比，实验结果记录在表1中，评价标准为3.1中所述Middlebury错误率.