车辆损伤检测与Patch-to-Patch自监督图像配准
计算机视觉与模式识别
2024-03-12 v1 人工智能
摘要
大多数计算机视觉应用旨在识别场景中的像素并用于各种目的。一项有趣的应用是汽车损伤检测，用于保险公司，通过比较 trip 前后图像来检测车辆所有损伤，甚至需要两个组件：(i) 车辆损伤检测；(ii) 图像配准。首先，我们实现了一个 Mask R-CNN 模型，用于检测定制图像上的车辆损伤。而在图像配准部分，我们特别提出一种新颖的Patch-to-Patch SimCLR 受启发的自监督配准方法，用于寻找定制 trip 前/后汽车租赁图像之间的透视变换，除传统计算机视觉方法外。
引用
@article{arxiv.2403.06674,
title = {Car Damage Detection and Patch-to-Patch Self-supervised Image Alignment},
author = {Hanxiao Chen},
journal= {arXiv preprint arXiv:2403.06674},
year = {2024}
}
备注
The paper has been accepted and given a poster presentation at NeurIPS 2021 WiML Workshop (https://nips.cc/virtual/2021/affinity-workshop/22882)