基于多层次异构学习的高效镜面检测
计算机视觉与模式识别
2022-11-29 v1
摘要
我们提出了 HetNet（多层次异构网络），一种高效的镜面检测网络。当前的镜面检测方法更注重性能而非效率，限制了实时应用（如无人机）。其效率不足源于在不同层次采用同质模块的常见设计，忽略了不同层次特征之间的差异。相比之下，HetNet 首先通过低层次理解（例如强度对比）初步检测潜在镜面区域，然后结合高层次理解（例如上下文不连续性）来最终确定预测。为了实现准确而高效的镜面检测，HetNet 遵循一种有效的架构，在不同阶段获取特定信息以检测镜面。我们进一步提出了一个多方向基于强度的对比模块（MIC）和一个反射语义逻辑模块（RSL），分别装备在 HetNet 上，用于通过低层次理解预测潜在镜面区域，以及通过高层次理解分析场景中的语义逻辑。与最先进的方法相比，HetNet 的运行速度提高了 664%，在两个镜面检测基准上，MAE 平均性能提升 8.9%，IoU 提升 3.1%，F-measure 提升 2.0%。
引用
@article{arxiv.2211.15644,
title = {Efficient Mirror Detection via Multi-level Heterogeneous Learning},
author = {Ruozhen He and Jiaying Lin and Rynson W. H. Lau},
journal= {arXiv preprint arXiv:2211.15644},
year = {2022}
}
备注
Accepted to AAAI 2023. The code is available at https://github.com/Catherine-R-He/HetNet