通过超分辨率增强平面图中的目标检测
计算机视觉与模式识别
2021-12-21 v1 人工智能
摘要
建筑信息模型（BIM）软件使用可缩放矢量格式以实现行业中平面图的灵活设计。建筑领域的平面图可能来自多种来源，未必采用可缩放矢量格式。将平面图图像转换为完全标注的矢量图像这一过程，如今可由计算机视觉实现。该领域的新数据集已被用于训练卷积神经网络（CNN）架构以进行目标检测。通过超分辨率（SR）的图像增强亦是计算机视觉中一种成熟的基于 CNN 的网络，用于将低分辨率图像转换为高分辨率图像。本工作聚焦于构建一个多组件模块，将 SR 模型堆叠于平面图目标检测模型之上。所提出的堆叠模型展现出优于相应原始目标检测模型的性能。在最佳情况下，加入 SR 使目标检测相较原始网络提升了 39.47%。数据与代码已公开于 https://github.com/rbg-research/Floor-Plan-Detection。
引用
@article{arxiv.2112.09844,
title = {Enhanced Object Detection in Floor-plan through Super Resolution},
author = {Dev Khare and N S Kamal and Barathi Ganesh HB and V Sowmya and V V Sajith Variyar},
journal= {arXiv preprint arXiv:2112.09844},
year = {2021}
}
备注
3rd International Conference on Machine Learning, Image Processing, Network Security and Data Sciences