CASIA OpenIR  > 模式识别国家重点实验室  > 机器人视觉
基于学习的鲁棒三维射影重建
舒茂1,3; 胡立华1,5; 董秋雷1,3,4; 许华荣1,2; 胡占义1,3,4
2017
发表期刊计算机辅助设计与图形学学报
期号**页码:**
摘要基于图像的三维重建是计算机视觉领域中一个重要的研究主题. 针对目前深度神经网络无法有效剔除多幅图像对应点中的外点的问题, 提出一种鲁棒的深度卷积神经网络, 用以从多幅图像对应点中准确地恢复场景的三维射影结构. 该网络首先把输入的对应点分为多个不同的子集, 每个子集独立地进行射影重建; 然后通过权重计算层得到每个射影重建的权重; 最后通过合并层对这些不同的射影重建加权求和, 得到最终的鲁棒的射影重建. 实验结果表明, 该网络具有较高的重建精度和很强的鲁棒性.
其他摘要 Image-based 3D reconstruction is an important research topic in computer vision. The current deep neural networks cannot effectively eliminate outliers from point correspondences across multiple images. To address this problem, a robust deep convolutional neural network is proposed to accurately recover the 3D projective structure of scenes from point correspondences across multiple images. First, the network divides the input point correspondences into several different subsets, and each subset acts independently for a projective reconstruction; then, the weight of each projective reconstruction is estimated through a weight-learning layer; finally, a merging layer is activated to perform weighted summation of these different projective reconstructions to get the final robust projective reconstruction. Experimental results demonstrate both the reconstruction accuracy and strong robustness of our network.
关键词射影重建 卷积神经网络 外点剔除
文献类型期刊论文
条目标识符http://ir.ia.ac.cn/handle/173211/14501
专题模式识别国家重点实验室_机器人视觉
作者单位1.中国科学院自动化研究所模式识别国家重点实验室
2.厦门理工学院计算机科学与技术系
3.中国科学院大学
4.中国科学院脑科学与智能技术卓越创新中心
5.太原科技大学计算机科学与技术学院
推荐引用方式
GB/T 7714
舒茂,胡立华,董秋雷,等. 基于学习的鲁棒三维射影重建[J]. 计算机辅助设计与图形学学报,2017(**):**.
APA 舒茂,胡立华,董秋雷,许华荣,&胡占义.(2017).基于学习的鲁棒三维射影重建.计算机辅助设计与图形学学报(**),**.
MLA 舒茂,et al."基于学习的鲁棒三维射影重建".计算机辅助设计与图形学学报 .**(2017):**.
条目包含的文件 下载所有文件
文件名称/大小 文献类型 版本类型 开放类型 使用许可
16251#修改稿.pdf(21021KB)期刊论文作者接受稿开放获取CC BY-NC-SA浏览 下载
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[舒茂]的文章
[胡立华]的文章
[董秋雷]的文章
百度学术
百度学术中相似的文章
[舒茂]的文章
[胡立华]的文章
[董秋雷]的文章
必应学术
必应学术中相似的文章
[舒茂]的文章
[胡立华]的文章
[董秋雷]的文章
相关权益政策
暂无数据
收藏/分享
文件名: 16251#修改稿.pdf
格式: Adobe PDF
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。