用于阴影检测与去除的方向感知空间上下文特征
计算机视觉与模式识别
2020-05-15 v2
摘要
阴影检测和阴影去除是基础且具有挑战性的任务，需要对全局图像语义的理解。本文通过以方向感知的方式分析空间图像上下文，提出了一种用于阴影检测和去除的深度神经网络设计。为此，我们首先在空间循环神经网络（RNN）中引入方向感知注意力机制，即在 RNN 中聚合空间上下文特征时引入注意力权重。通过训练学习这些权重，我们可以恢复用于检测和去除阴影的方向感知空间上下文（DSC）。该设计被开发为 DSC 模块并嵌入卷积神经网络（CNN）中，以学习不同层级的 DSC 特征。此外，我们设计了加权交叉熵损失以使阴影检测的训练更有效，并进一步通过使用欧氏损失函数以及构建颜色迁移函数来解决训练对中的颜色和亮度不一致问题，从而将该网络用于阴影去除。我们使用了两个阴影检测基准数据集和两个阴影去除基准数据集，并进行了各种实验来评估我们的方法。实验结果表明，我们的方法在阴影检测和阴影去除方面均优于现有方法。
引用
@article{arxiv.1805.04635,
title = {Direction-aware Spatial Context Features for Shadow Detection and Removal},
author = {Xiaowei Hu and Chi-Wing Fu and Lei Zhu and Jing Qin and Pheng-Ann Heng},
journal= {arXiv preprint arXiv:1805.04635},
year = {2020}
}
备注
Accepted to IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI). This is the journal version of arXiv:1712.04142, which was accepted for oral presentation in CVPR 2018