基于递归自动编码器的地点特定背景建模
计算机视觉与模式识别
2019-04-09 v1
摘要
利用车载单目视觉系统，针对地点特定背景模型检测车辆前方变化物体的图像变化检测（ICD）是智能车辆（IV）中的一个基本问题。从近期大规模 IV 应用的角度看，为每个可能地点训练地点特定背景模型在空间/时间效率上可能不切实际。为解决这些问题，我们引入了一种新的基于自动编码器（AE）的高效 ICD 框架，它结合了基于 AE 的异常检测（AD）与基于 AE 的图像压缩（IC）的优势。我们提出一种方法，使用 AE 重建误差作为单一统一度量来训练最小规模的地点特定 AE 集合并保持检测精度。我们引入了一种高效的增量递归 AE（rAE）训练框架，将大量背景图像递归地概括为 AE 集合。在具有挑战性的跨季节 ICD 任务上的实验结果验证了所提方法的有效性。
引用
@article{arxiv.1904.03555,
title = {Place-specific Background Modeling Using Recursive Autoencoders},
author = {Yamaguchi Kousuke and Tanaka Kanji and Sugimoto Takuma and Ide Rino and Takeda Koji},
journal= {arXiv preprint arXiv:1904.03555},
year = {2019}
}
备注
6 pages, 3 figures, technical report