深度霍夫变换线先验
计算机视觉与模式识别
2020-07-21 v1
摘要
经典的线段检测工作是基于知识的；它使用精心设计的几何先验，这些先验基于图像梯度、像素分组或霍夫变换变体。相反，当前的深度学习方法摒弃了所有先验知识，并通过在大型人工标注数据集上训练深度网络来替代先验。在此，我们通过在经典基于知识的先验之上构建、同时利用深度网络学习特征，从而降低对标注数据的依赖。我们通过一个可训练的霍夫变换模块将线先验加入深度网络。霍夫变换提供关于全局线参数化的先验知识，而卷积层可以学习局部类梯度的线特征。在 Wireframe (ShanghaiTech) 和 York Urban 数据集上，我们表明加入先验知识提升了数据效率，因为线先验不再需要从数据中学习。关键词：霍夫变换；全局线先验，线段检测。
引用
@article{arxiv.2007.09493,
title = {Deep Hough-Transform Line Priors},
author = {Yancong Lin and Silvia L. Pintea and Jan C. van Gemert},
journal= {arXiv preprint arXiv:2007.09493},
year = {2020}
}
备注
ECCV 2020, code online: https://github.com/yanconglin/Deep-Hough-Transform-Line-Priors