椭圆检测与定位及其在锯材图像中节子中的应用
计算机视觉与模式识别
2020-11-11 v1
摘要
尽管通用目标检测已取得巨大进展，椭圆物体的定位在文献中却很少受到关注。我们的应用动机是检测锯材图像中的节子，这是一个重要问题，因为节子的数量和类型是会对锯材质量产生不利影响的视觉特征。我们展示了如何使模型适配椭圆形状，从而改进通用检测器；更一般地，椭圆缺陷在工业生产中很常见，例如铸造玻璃或塑料时包裹的气泡。本文中，我们调整带有区域提议网络（RPN）的 Faster R-CNN 以用高斯函数建模椭圆物体，并通过添加感兴趣区域池化和回归分支，以及使用 Wasserstein 距离作为损失函数来预测椭圆物体的精确位置，从而扩展现有的高斯提议网络（GPN）架构。我们提出的方法在木材节子数据集上取得了有前景的结果：节子检测的平均交并比（IoU）为 73.05%，而通用检测器为 63.63%。针对木材应用，我们还提出了一种算法来校正扫描过程中原始木材图像的任何错位，并通过标注预处理图像中的椭圆节子贡献了首个开源木材节子数据集。
引用
@article{arxiv.2011.04844,
title = {Ellipse Detection and Localization with Applications to Knots in Sawn Lumber Images},
author = {Shenyi Pan and Shuxian Fan and Samuel W. K. Wong and James V. Zidek and Helge Rhodin},
journal= {arXiv preprint arXiv:2011.04844},
year = {2020}
}
备注
Accepted at WACV 2021