基于深度学习的三维重建在生活中的许多领域都有应用,但当前绝大多数的研究在特征提取时采用普通卷积,普通卷积对弱纹理和无纹理地区特征提取作用有限,容易模糊,使细节不清晰,影响重建结果,因此,提出了一种基于深度重提取的方法.首先,为了解决普通卷积在低纹理区域的提取错误,提高重建精度,引进一种自适应特征聚合模块,利用可变卷积核的特点,使其在低纹理区域能够自适应的增大卷积核的感受野,在纹理丰富的区域减小感受野;其次,为了聚合不同尺度信息,丰富特征提取信息,使得最终的重建精度有所优化,引进了多空间空洞卷积模块;最后,经过与多组研究对比,所提方法对于低纹理区域的特征提取有较大优化,最终的重建精度也有所提升,整体性提升了3.4%,可适用于大多数场景.