DARNet：用于建筑物分割的深度主动射线网络
计算机视觉与模式识别
2019-05-16 v1
摘要
在本文中，我们提出一种深度主动射线网络（DARNet）用于自动建筑物分割。它以图像作为输入，首先利用深度卷积神经网络（CNN）作为主干来预测能量图，这些能量图被进一步用于构造能量函数。然后，通过最小化该能量函数演化基于多边形的轮廓，其最小值定义了最终的分割结果。我们采用极坐标（即射线）而非欧几里得坐标来参数化轮廓，这不仅防止了自相交，还简化了能量函数的设计。此外，我们提出一种损失函数，直接促使轮廓匹配建筑物边界。我们的 DARNet 通过能量最小化和主干 CNN 的反向传播进行端到端训练，使得 CNN 适应轮廓演化的动态过程。在三个建筑物实例分割数据集上的实验表明，我们的 DARNet 取得了与其他竞争者相比最先进或相当的性能。
引用
@article{arxiv.1905.05889,
title = {DARNet: Deep Active Ray Network for Building Segmentation},
author = {Dominic Cheng and Renjie Liao and Sanja Fidler and Raquel Urtasun},
journal= {arXiv preprint arXiv:1905.05889},
year = {2019}
}
备注
CVPR 2019