Ellipse R-CNN：从聚类与遮挡中学习推断椭圆形物体
计算机视觉与模式识别
2021-02-24 v2 机器人学
摘要
杂乱场景中严重遮挡物体（如树上的果实簇）的图像难以分割。为了进一步在此类情况下检索每个单独物体的 3D 尺寸和 6D 位姿，边界框在多视图下不可靠，因为仅捕获了物体几何的一小部分。我们引入了首个基于 CNN 的椭圆检测器，称为 Ellipse R-CNN，将遮挡物体表示并推断为椭圆。我们首先提出一种基于 Mask R-CNN 架构的鲁棒且紧凑的椭圆回归，用于椭圆形物体检测。我们的方法即使多个椭圆形物体被邻近其他物体遮挡，也能推断其参数。为了更好地处理遮挡，我们利用精炼的特征区域用于回归阶段，并集成 U-Net 结构以学习不同的遮挡模式来计算最终检测分数。椭圆回归的正确性通过在聚类椭圆合成数据上进行的实验得到验证。我们进一步定量和定性地证明，在遮挡和聚类的椭圆形物体的合成与真实数据集上，我们的方法优于最先进模型（即 Mask R-CNN 后接椭圆拟合）及其三种变体。
引用
@article{arxiv.2001.11584,
title = {Ellipse R-CNN: Learning to Infer Elliptical Object from Clustering and Occlusion},
author = {Wenbo Dong and Pravakar Roy and Cheng Peng and Volkan Isler},
journal= {arXiv preprint arXiv:2001.11584},
year = {2021}
}
备注
18 pages, 20 figures, 7 tables