《表1 本文方法在Middlebury数据集上的错误率》
%
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.
图表编号 | XD0028386100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.10 |
作者 | 马伟、李曈、龚超凡、丁治明 |
绘制单位 | 北京工业大学信息学部、北京市可信计算重点实验室、北京工业大学信息学部、北京工业大学信息学部、北京工业大学信息学部 |
更多格式 | 高清、无水印(增值服务) |