结合 CNN 分类的图像算子学习及其在谱线去除中的应用
计算机视觉与模式识别
2017-09-20 v1
摘要
许多图像变换可以由图像算子来建模，这些算子由定义在有限支撑窗口上的逐像素局部函数表征。在图像算子学习中，这些函数利用机器学习技术从训练数据中估计得到。使用学习算法时，输入尺寸通常是一个关键问题，它限制了可行窗口的大小。我们提出使用卷积神经网络（CNN）来克服这一限制。我们选择乐谱图像中去除谱线的问题，以评估窗口和卷积掩模尺寸对所学图像算子性能的影响。结果表明，基于 CNN 的解决方案优于以往使用传统学习算法或启发式算法获得的解决方案，表明了 CNN 作为图像算子学习基础分类器的潜力。相关实现将在 TRIOSlib 项目网站上提供。
引用
@article{arxiv.1709.06476,
title = {Image operator learning coupled with CNN classification and its application to staff line removal},
author = {Frank D. Julca-Aguilar and Nina S. T. Hirata},
journal= {arXiv preprint arXiv:1709.06476},
year = {2017}
}
备注
To appear in ICDAR 2017