CPNet：一种用于单张 RGB 图像阴影检测的上下文保持卷积神经网络
计算机视觉与模式识别
2018-10-16 v1
摘要
由于缺乏对光照源与场景物体动态的先验信息，图像中阴影区域的自动检测是一项困难任务。为解决该问题，本文提出一种基于深度学习的分割方法，在单张 RGB 图像中以像素级识别阴影区域。我们利用一种新颖的卷积神经网络（CNN）架构，以端到端方式识别并提取阴影特征。该网络在训练期间保持已学习的上下文，并观测整幅图像以同时检测全局与局部阴影模式。所提方法在两个公开数据集 SBU 与 UCF 上进行了评估。我们分别在这两个数据集上将当前最优的均衡错误率（BER）提升了 22% 与 14%。
引用
@article{arxiv.1810.05778,
title = {CPNet: A Context Preserver Convolutional Neural Network for Detecting Shadows in Single RGB Images},
author = {Sorour Mohajerani and Parvaneh Saeedi},
journal= {arXiv preprint arXiv:1810.05778},
year = {2018}
}