E2ETag：一种用于生成与检测基准标记的可端到端训练方法
计算机视觉与模式识别
2021-06-01 v1
摘要
现有的基准标记（fiducial marker）方案是为高效检测与解码而设计的，然而它们在自然环境中脱颖而出的能力难以从相对有限的分析中推断。此外，在具有挑战性的图像采集场景（如曝光不足、运动模糊和离轴视角）下性能恶化，揭示了其局限性。E2ETag 提出了一种用于设计基准标记及配套检测器的端到端可训练方法。通过引入可反向传播的标记增强与叠加到训练中，该方法学会生成可使用全卷积检测器网络在具有挑战性的真实世界环境中被检测和分类的标记。结果表明，E2ETag 在理想条件下优于现有方法，并在存在运动模糊、对比度波动、噪声和离轴视角时表现远好。源代码与训练模型见 https://github.com/jbpeace/E2ETag。
引用
@article{arxiv.2105.14184,
title = {E2ETag: An End-to-End Trainable Method for Generating and Detecting Fiducial Markers},
author = {J. Brennan Peace and Eric Psota and Yanfeng Liu and Lance C. Pérez},
journal= {arXiv preprint arXiv:2105.14184},
year = {2021}
}
备注
Accepted for publication at BMVC2020