如果我會發光，就不必害怕黑暗； 如果我自己是那麼美好，那麼一切恐懼就可以煙消雲散 當然，如果我可以做到
2017年9月10號
然而今天是9月17號了，不知道上週幹嘛去了。。。。
接着看paper了
《Cascade Residual Learning: A Two-stage Convolutional Neural Network for Stereo Matching》
這篇paper在related work裏介紹了其他幾個相關工作，其實都還是值得一讀的：FlowNet1.0，DispNet，GC-Net，Flownet2.0
No.1 flownet1.0——two insights
- 首先將cnn用於光流預測；
設計了新的網絡結構；
- 一是對pair image先單獨進行特徵提取，即針對兩張圖分別訓練兩個單獨網絡；
- 設計了計算disparity的correlation層，而且該層不涉及訓練；
增加了refine-net，雖然是簡單的unpooling+conv，但同時每層都會輸出預測，並將上層的預測結果進行線性插值後和本層的feature map進行concat，同時前幾層提取特徵的相應尺寸特徵圖也會和refine-net相應層的特徵圖進行concat，以獲取更多的全局信息。
No.2 Flownet2.0。這篇文章前邊的blog有講過（flownet2.0_blog），和flownet1.0最大的不同就是提出了stacked-network。當然，文中也提出了很多具有一定普適性的訓練trick。
No.3 Dispnet。網絡結構如下圖所示。和flownet的不同之處在於：
- 它在upconv層之間增加了conv層，使得視差預測結果變得更加的平滑。
- 提出了新的correlation layer；
- 每個upconv層輸出結果都會求loss，底層網絡的梯度更新不再只是輸出層的loss梯度，還有本層loss的梯度。
最後，就講講開篇paper了。這篇paper的網絡結構和flownet很像，最大的區別在於網絡的輸入變得更加的豐富了。
- Disfullnet——full強調的是hourglass網的輸出輸入同尺寸大小；
- DisResnet——Res強調的是在Disfullnet的輸出結果上進行rectifine；
- 重點四DisResnet的輸入包括了左圖、右圖、利用disfullnet的輸出視差圖對右圖進行warp操作生成一張左圖、然後就是原始左圖好生成左圖的差值圖、再就是disfullnet的輸出的視差圖。一般操作是將上層的輸出作爲下層的輸入，再進一步就是上一網塊的中間層輸出skip作爲下一塊的輸入。那麼這裏爲什麼還會有個誤差圖和生成圖作爲輸入呢？
- 生成圖作爲輸入比較不好理解，因爲它包含的信息原始左圖都有，而且生成圖就相當於包含噪聲的原始左圖；
- 最重要的是誤差圖，這個也是爲什麼將後一個網叫做resnet的一大原因。而且誤差圖和生成左圖必須有一個。當然，有了誤差圖，相當於給了後邊網絡一個很強的先驗，要是隻給生成左圖，網絡還需要自己去發現錯誤，但有了錯誤圖，後續網絡的訓練就會變得更加的簡單了。
- 還有一點值得一提，那就是會將disfullnet的輸出做尺寸縮放，和disresnet的各個upconv層輸出的對應尺寸加起來，然後參與dieresnet的loss計算。
