一种基于能量函数和注意力融合网络的立体视觉视差预测方法

本发明属于图像处理技术领域，尤其为一种基于能量函数和注意力融合网络的立体视觉视差预测方法。本发明为解决立体视觉视差预测中出现的实时算法难以取得较高的精度的问题。具体步骤为：获取数据集：对网络模型采用公开的虚拟和现实两种立体匹配数据集进行训练；搭建网络模型：搭建Energy Function and Attention Interaction网络，利用注意力机制优化代价体构建和代价聚合；设计最小化损失函数；训练网络模型：将获取的数据集输入到网络模型中训练；微调模型参数；保存模型参数。本发明采用端到端的有监督方法，整体使用UNet‑like网络架构，通过对代价体构建和代价体聚合部分进行改进，利用注意力机制提高模型的效率从而实现基于深度学习的实时立体视觉视差预测方法。