通过强制区域分离提升网络状结构的连通性
计算机视觉与模式识别
2020-09-16 v1
摘要
我们提出一种新颖的、面向连通性的损失函数,用于训练深度卷积网络从航拍图像中重建如道路与灌溉渠之类的网络状结构。我们损失函数的核心思想是将道路或水渠的连通性表达为它们对图像背景区域所造成的断开。简言之,预测道路中的缺口会导致位于真实道路两侧的两个背景区域在预测中相连。我们的损失函数旨在防止背景区域间此类不期望的连接,从而闭合预测道路中的缺口。它还通过惩罚背景区域不当的断开来防止预测假阳性道路与水渠。为捕捉甚至短小的、死端的路段,我们在小图像块中评估该损失。我们在两个标准道路基准与一个新灌溉渠数据集上的实验表明,用我们的损失函数训练的卷积网络恢复道路连通性极好,足以将其输出骨架化以生成最先进的地图。我们方法的一个明显优势是该损失可插入任何现有训练设置而无需进一步修改。
引用
@article{arxiv.2009.07011,
title = {Promoting Connectivity of Network-Like Structures by Enforcing Region Separation},
author = {Doruk Oner and Mateusz Koziński and Leonardo Citraro and Nathan C. Dadap and Alexandra G. Konings and Pascal Fua},
journal= {arXiv preprint arXiv:2009.07011},
year = {2020}
}