阅读笔记:Binocular Fusion Net: Deep Learning Visual Comfort Assessment for Stereoscopic 3D
发布时间
阅读量：
阅读量
题目 ：双目融合网络：立体舒适度评估的深度学习
深度网络 ：BFN：双目融合深度网络，学习双目特征；DRN：视差正则化网络，提升预测结果；
整体框图 ：
训练：
测试：
CNN结构模块：由卷积核、池化模块、激活函数以及全连接层等构成；
核心数据集库：MPI-Sintel 和 AIRSS-1.0-SDS-2017-RGB-D-Stereo-V1_RELEASE_Dataset_for_Vision-Based-Motion-Capture；
实验步骤：
基于 MPI-Sintel 训练 DRN 网络以获得初始参数；
随后将该预训练模型迁移至 IEEE-Sense dataset 进行进一步优化；
通过深度神经网络与广域神经网络（BFN）的无缝对接实现了完整的感知流程；
同时采用十折交叉验证技术以确保模型泛化能力；
3.重要性评估
4.是否用DRN的差别：
5.验证鲁棒性：NBU数据库
全部评论 (0)
还没有任何评论哟~