无需重训练即可将 CNN 适配于鱼眼相机

大多数图像处理方法假设图像处于透视投影中，或者可以被校正为透视投影。然而，在许多应用中，使用具有更大视场（FOV）的非传统相机（如鱼眼相机）是有益的。问题在于，如果不大幅裁剪原始图像，这些大 FOV 图像就无法被校正为透视投影。为了解决这个问题，我们提出了校正卷积；这是一种将预训练卷积网络适配为处理新的非透视图像的新方法，无需任何重训练。用 RectConv 层替换网络的卷积层，使网络能够同时看到校正后的 patch 和整个 FOV。我们展示了 RectConv 将多个预训练网络适配后，在两个公开数据集的鱼眼图像上执行分割和检测。我们的方法不需要额外的数据或训练，并直接在相机捕获的原始图像上运行。我们相信，这项工作是朝着将透视图像可用的大量资源适配到广泛相机几何范围上运行迈出的一步。