HoughToRadon 变换：投影空间中用于特征改进的新型神经网络层
计算机视觉与模式识别
2024-02-06 v1 机器学习
神经与进化计算
摘要
在本文中，我们介绍了 HoughToRadon 变换层，这是一种旨在提高结合 Hough 变换以解决语义图像分割问题的神经网络速度的新型层。通过将其放置在 Hough 变换层之后，“内部”卷积接收到了具有新有益特性的修改后特征图，例如更小的处理图像面积以及按角度和位移的参数空间线性。这些特性是单独使用 Hough 变换所不具备的。此外，HoughToRadon 变换层允许我们使用两个新参数调整中间特征图的大小，从而使我们能够平衡所得神经网络的速度和质量。我们在开放的 MIDV-500 数据集上的实验表明，这种新方法在文档分割任务中节省了时间，并达到了 97.7% 的最先进 (SOTA) 准确率，优于具有更大计算复杂度的 HoughEncoder。
引用
@article{arxiv.2402.02946,
title = {HoughToRadon Transform: New Neural Network Layer for Features Improvement in Projection Space},
author = {Alexandra Zhabitskaya and Alexander Sheshkus and Vladimir L. Arlazarov},
journal= {arXiv preprint arXiv:2402.02946},
year = {2024}
}