D-VPnet：一种用于自然场景中主消失点实时检测的网络
神经元与认知
2020-11-17 v2
摘要
作为线性透视的重要组成部分，消失点（VPs）为将物体从2D照片映射到3D空间提供了有用线索。现有方法主要集中于提取线或轮廓等结构特征，然后对这些特征进行聚类以检测VPs。然而，由于在户外环境中检测到大量线段和轮廓，这些技术受到模糊信息的困扰。本文提出一种新的卷积神经网络（CNN）用于检测自然场景中的主消失点，即主消失点检测网络（D-VPnet）。我们方法的关键组件是特征线段提议单元（FLPU），它可直接用于预测主VP的位置。此外，该模型还利用两条主要平行线作为辅助来确定主VP的位置。所提方法使用公共数据集和基于平行线的消失点（PLVP）数据集进行了测试。实验结果表明，在各种条件下，我们的方法在实时检测中的准确率优于最先进的方法，达到115fps的速率。
引用
@article{arxiv.2006.05406,
title = {Common Cell type Nomenclature for the mammalian brain: A systematic, extensible convention},
author = {Jeremy A. Miller and Nathan W. Gouwens and Bosiljka Tasic and Forrest Collman and Cindy T. J. van Velthoven and Trygve E. Bakken and Michael J. Hawrylycz and Hongkui Zeng and Ed S. Lein and Amy Bernard},
journal= {arXiv preprint arXiv:2006.05406},
year = {2020}
}
备注
29 pages, 5 figures, 4 tables, 1 supplementary table