PT-ResNet：基于透视变换的残差网络用于语义道路图像分割
计算机视觉与模式识别
2019-10-30 v1 机器学习
机器人学
图像与视频处理
摘要
语义道路区域分割是一项高层任务，为道路场景理解铺平了道路。本文提出了一种用于语义道路分割训练的残差网络。首先，我们将v-视差图中道路视差的投影表示为线性模型，该模型可通过动态规划优化v-视差图来估计。随后利用该线性模型减少左右道路图像中的冗余信息。右图像也被变换到左透视视图，这大大增强了两图像间的路面相似性。最后，将处理后的立体图像及其视差图拼接成一组3D图像，用于训练我们的神经网络。实验结果表明，在分析KITTI道路数据集的图像时，我们的网络达到了约91.19%的最大F1值。
引用
@article{arxiv.1910.13055,
title = {PT-ResNet: Perspective Transformation-Based Residual Network for Semantic Road Image Segmentation},
author = {Rui Fan and Yuan Wang and Lei Qiao and Ruiwen Yao and Peng Han and Weidong Zhang and Ioannis Pitas and Ming Liu},
journal= {arXiv preprint arXiv:1910.13055},
year = {2019}
}
备注
5 pages, 5 figures, accepted by 2019 IEEE International Conference on Imaging Systems and Techniques (IST)