基于偏振参数构建网络的端到端 CNN 偏振视觉任务框架
计算机视觉与模式识别
2020-04-21 v1
摘要
偏振图像之间的逐像素运算对于处理偏振信息非常重要。由于缺乏此类运算,偏振信息无法在卷积神经网络(CNN)中得到充分利用。本文提出了一种用于偏振视觉任务的新型端到端 CNN 框架,使网络能够充分利用偏振图像。该框架由两个子网络组成:偏振参数构建网络(PPCN)和任务网络。PPCN 利用 1x1 卷积核以 CNN 形式实现图像间的逐像素运算。它以原始偏振图像作为输入,向任务网络输出偏振参数图像以完成视觉任务。通过联合训练,PPCN 能够学习为任务网络和数据集提供最合适的偏振参数图像。以 faster R-CNN 作为任务网络,实验结果表明,与现有方法相比,所提出的框架在目标检测任务中取得了更高的平均精度均值。
引用
@article{arxiv.2004.08740,
title = {An end-to-end CNN framework for polarimetric vision tasks based on polarization-parameter-constructing network},
author = {Yong Wang and Qi Liu and Hongyu Zu and Xiao Liu and Ruichao Xie and Feng Wang},
journal= {arXiv preprint arXiv:2004.08740},
year = {2020}
}