基于MC-CNN的图像块匹配代价算法：解决过拟合并提升泛化能力
Chen L等提出一种图像块匹配代价算法，旨在解决现有监督学习方法普遍存在的'过拟合'问题。该算法基于MC-CNN，通过在卷积层中选择2×2小尺寸卷积核并在决策层中利用dropout正则化方法，具有更好的泛化能力。此外，结合SGM方法进行视差优化并采用左右一致性检验等多种方法进行视差校正，进一步提高了算法的精度。
原文地址: https://www.cveoy.top/t/topic/mX8N 著作权归作者所有。请勿转载和采集!
安全问答是一个知识全球问答,包含丰富的问答知识
Chen L等提出一种图像块匹配代价算法，旨在解决现有监督学习方法普遍存在的'过拟合'问题。该算法基于MC-CNN，通过在卷积层中选择2×2小尺寸卷积核并在决策层中利用dropout正则化方法，具有更好的泛化能力。此外，结合SGM方法进行视差优化并采用左右一致性检验等多种方法进行视差校正，进一步提高了算法的精度。
原文地址: https://www.cveoy.top/t/topic/mX8N 著作权归作者所有。请勿转载和采集!