LS-Net：快速单发线段检测器
计算机视觉与模式识别
2020-01-27 v2 机器学习
图像与视频处理
摘要
在低空无人机（UAV）飞行中，电力线被认为是最具威胁的 hazards 之一，也是最难以规避的障碍之一。近年来，许多基于视觉的技术被提出以检测电力线，从而促进自驾无人机和自动避障。然而，大多数提出的方法通常基于常见的三步法：（i）边缘检测，（ii）Hough 变换，以及（iii）基于电力线约束的伪线消除。这些方法不仅缓慢且不精确，而且需要在后处理中投入大量精力以区分电力线与伪线。在本文中，我们引入 LS-Net，一种快速单发线段检测器，并将其应用于电力线检测。LS-Net 在设计上完全卷积，由三个模块组成：（i）全卷积特征提取器，（ii）分类器，以及（iii）线段回归器。由于带有电力线标注的大型数据集不可用，我们使用基于物理的渲染（PBR）方法合成电力线图像，并提出一系列有效的数据增强技术以生成更多训练数据。以定制版本的 VGG-16 网络为骨干，所提方法优于现有的最先进方法。此外，LS-Net 可近实时（20.4 FPS）检测电力线。这表明我们提出的方法在自动避障以及作为自驾无人机的有价值组件方面具有广阔前景，尤其用于电力线自动自主巡检。
引用
@article{arxiv.1912.09532,
title = {LS-Net: Fast Single-Shot Line-Segment Detector},
author = {Van Nhan Nguyen and Robert Jenssen and Davide Roverso},
journal= {arXiv preprint arXiv:1912.09532},
year = {2020}
}
备注
Highlighted the paper's contributions