2.用立体视觉预测深度

第二个示例是立体视觉，即以双目视觉估测深度。我曾有幸参去研究这个问题——在世界最先进的无人机上工作，与 Skydio 度过了一段美好的盛夏。

立体算法通常用于估测物体在一对整齐立体图像之间的水平位置差异，即视差，其与相应像素位置的场景深度成反比。因此它在本质上能被简化为一个匹配问题——找到左右图像中物体之间的对应关系，并且ni ke yi计算深度。

立体中性能最高的算法主要使用了深度学习，但仅限于构建匹配的功能。生产深度估测所需的匹配以及正规化步骤在很大程度上仍然是人工完成的。

我们提出了GC-Net 架构，但此次着重的是问题的基础几何。众所周知，在立体中我们可以在 1-D 视差线上通过成本量的形成来估测差异。本文的创新性在于，它展示了如何以可微分的方式将成本量的几何阐述为回归模型。本文还具有更多细节。

　　

这是一篇关于 GC-Net 架构的概述，它运用几何的清晰表征来预测立体深度。

　　结论

　　我认为本文传达的关键信息是：

了解解决计算机视觉问题的经典方法是值得的（尤其你具有机器学习或数据科学背景）。

若能将架构结构化以利用问题的几何属性，则使用深度学习来研究复杂表征便会更加容易与有效。

　　本文为机器之心编译，转载请联系本公众号获得授权。

　　?------------------------------------------------

加入机器之心（全职记者/实习生）：hr@jiqizhixin.com

投稿或寻求报道：editor@jiqizhixin.com

广告&商务合作：bd@jiqizhixin.com

相关阅读：

机器学习与深度学习的区别

背景介绍勾股定理是几何学

让课堂发生深度学习心得

吴恩达深度学习基础教程

计算机视觉 深度学习

双目视觉求深度

几何学和欧几里得

u深度怎么用

几何画板深度迭代小蛮腰

基础拓扑学与几何学讲义

第一位数学家和论证几何学的鼻祖

数字与神圣几何学

相关推荐：

华为史上最美操作系统，你绝对不能错过的EMUI5.0

国产操作系统典范：deepin操作系统

娱乐办公两不误！这个笔记本能把屏幕拔下来写字

斗鱼响应新规加强监管，坚持打造优质精品直播

SpaceX 火箭爆炸原因确定：液态氧过冷成了固态

华为Mate9中国版真机秀 你绝对没发现它有两种版本

99%的人都不知道的微信高效使用术？

乐视网一周蒸发88亿元 贾跃亭反思节奏发展过快

似乎已经战胜传统渠道的小米 今年为什么被OPPO、vivo 打败？

优雅商务风，性能一鸣惊人—TCL 950体验评测

转载请注明出处。