用于形状图示图像的残差递归自编码器
图像与视频处理
2020-02-07 v1 计算机视觉与模式识别
摘要
形状图示图像（SIIs）在描述工业产品横截面时常见且重要。与手写数字图像 MNIST 相同，SIIs 为灰度或二值图像，包含被大面积空白包围的形状。本工作中，提出了残差递归自编码器（RRAE）以从 SIIs 中提取低维特征，同时尽可能保持高重建精度。RRAE 将尝试多次重建原始图像，并在下一次重建尝试前，将最新的残差图像递归填充至编码器输入的保留通道中。作为一种神经网络训练框架，RRAE 可包裹于其他自编码器之上并提升其性能。实验结果表明，对于高分辨率 SIIs，卷积自编码器的重建损失降低了 86.47%，变分自编码器降低了 10.77%，条件变分自编码器在 MNIST 上降低了 8.06%。
引用
@article{arxiv.2002.02063,
title = {Residual-Recursion Autoencoder for Shape Illustration Images},
author = {Qianwei Zhou and Peng Tao and Xiaoxin Li and Shengyong Chen and Fan Zhang and Haigen Hu},
journal= {arXiv preprint arXiv:2002.02063},
year = {2020}
}