基于深度学习与凸优化的区域分割
计算机视觉与模式识别
2019-12-02 v1 机器学习
图像与视频处理
摘要
本文提出一种对三维点云进行区域分割的方法。我们假设(i)点云中区域的形状和数量未知,且(ii)点云可能含有噪声。该方法包含两步。第一步,我们使用深度神经网络预测点云中一对小面片属于同一区域的概率。第二步,我们使用基于凸优化的方法,通过施加一致性约束来改进网络的预测。我们在一个由凸多面体构成的自定义数据集上评估了方法的准确性,其中区域对应于多面体的面。该方法可视为著名的区域生长分割算法的一种鲁棒且灵活的替代方案。所有报告的结果均可复现,并附有易于使用的代码,可作为未来研究的基线。
引用
@article{arxiv.1911.12870,
title = {Region segmentation via deep learning and convex optimization},
author = {Matthias Sonntag and Veniamin I. Morgenshtern},
journal= {arXiv preprint arXiv:1911.12870},
year = {2019}
}
备注
15 pages, 6 figures