用于阴影检测的方向感知空间上下文特征
计算机视觉与模式识别
2020-05-19 v2
摘要
阴影检测是一项基础且具有挑战性的任务，因为它需要理解全局图像语义，且阴影周围存在多样背景。本文通过分析图像上下文的方向感知方式，提出一种用于阴影检测的新颖网络。为此，我们通过在空间循环神经网络（RNN）中聚合空间上下文特征时引入注意力权重，将方向感知注意力机制公式化。通过训练学习这些权重，我们可以恢复用于阴影检测的方向感知空间上下文（DSC）。该设计被发展为 DSC 模块并嵌入 CNN 中以在不同层级学习 DSC 特征。此外，设计了一种加权交叉熵损失以使训练更有效。我们采用两个常用阴影检测基准数据集并进行多种实验来评估我们的网络。实验结果表明，我们的网络优于最先进的方法，并在平衡错误率上达到 97% 准确率与 38% 的降低。
引用
@article{arxiv.1712.04142,
title = {Direction-aware Spatial Context Features for Shadow Detection},
author = {Xiaowei Hu and Lei Zhu and Chi-Wing Fu and Jing Qin and Pheng-Ann Heng},
journal= {arXiv preprint arXiv:1712.04142},
year = {2020}
}
备注
Accepted for oral presentation in CVPR 2018. The journal version of this paper is arXiv:1805.04635