基于表示的回归用于物体距离估计
计算机视觉与模式识别
2024-09-10 v1 图像与视频处理
摘要
在本研究中，我们提出一种预测观测场景中已检测物体距离的新方法。所提方法改进了近期提出的卷积支撑估计网络（CSENs）。CSENs 被设计用于在计算表示型分类问题中的支撑估计（SE）任务的直接映射。我们进一步提出并论证，基于表示的方法（稀疏或协同表示）可用于精心设计的回归问题。据我们所知，这是首个利用改进 CSENs 执行回归任务的基于表示的方法；因此，我们将这一新颖方法命名为基于表示的回归（RbR）。CSENs 的初始版本有一个代理映射阶段（即支撑集的粗略估计），该阶段是输入所必需的。在本研究中，我们通过提出压缩学习 CSEN（CL-CSEN）改进了 CSEN 模型，其能够联合优化所谓的代理映射阶段与卷积层。使用 KITTI 3D 物体检测距离估计数据集的实验评估表明，所提方法在所有竞争方法中取得了显著改进的距离估计性能。最后，这些方法的软件实现已在 https://github.com/meteahishali/CSENDistance 公开共享。
引用
@article{arxiv.2106.14208,
title = {Representation Based Regression for Object Distance Estimation},
author = {Mete Ahishali and Mehmet Yamac and Serkan Kiranyaz and Moncef Gabbouj},
journal= {arXiv preprint arXiv:2106.14208},
year = {2024}
}