A+D Net：以对抗式阴影衰减训练阴影检测器
计算机视觉与模式识别
2018-07-31 v2
摘要
我们提出一种基于 GAN 的的图像阴影检测新框架，其中阴影检测网络（D-Net）与生成对抗训练样本的阴影衰减网络（A-Net）共同训练。A-Net 受简化物理阴影模型约束修改原始训练图像，并专注于欺骗 D-Net 的阴影预测。因此，它有效地以难以预测的案例增广 D-Net 的训练数据。D-Net 被训练为预测原始图像与来自 A-Net 的生成图像中的阴影。我们的实验结果表明，来自 A-Net 的额外训练数据显著提升了 D-Net 的阴影检测精度。我们的方法在最具挑战性的阴影检测基准（SBU）上优于现有最优方法，并在跨数据集任务（在 UCF 上测试）上也取得最优结果。此外，所提方法以每秒 45 帧实现准确的实时阴影检测。
引用
@article{arxiv.1712.01361,
title = {A+D Net: Training a Shadow Detector with Adversarial Shadow Attenuation},
author = {Hieu Le and Tomas F. Yago Vicente and Vu Nguyen and Minh Hoai and Dimitris Samaras},
journal= {arXiv preprint arXiv:1712.01361},
year = {2018}
}