一种基于GAN的无监督的立体匹配方法

本发明提供一种基于GAN的无监督的立体匹配方法，涉及计算机视觉识别的技术领域，本发明的方法中，特征感知模块结合了残差结构和空洞金字塔卷积操作，能够在不同尺度上捕捉到图像的上下文信息；接下来将图像输入至特征引导模块中，通过调整权重强调不同特征的重要性，可以帮助网络动态的调整关注区域，并有效的融合不同层级间的特征，解码器结合了多尺度学习框架和由粗到细的策略，通过这种迭代的方式，模型可以逐步提高估计的精度，并解决由于分辨率较低引起的对齐问题；在训练时，前、后半周期两轮的训练构成整周期训练，类似循环结构，使网络既能从训练集真实图像学习，也从合成图像学习，这样可以提高模型的泛化能力和鲁棒性。