图像中的天空像素分割
计算机视觉与模式识别
2018-01-10 v2
摘要
户外场景解析模型常在理想数据集上训练并产出高质量结果。然而，当应用于真实世界时会产生偏差。场景解析的质量，尤其是天空分类，在夜间图像、涉及多变天气条件的图像以及因季节性天气导致的场景变化中下降。本项目致力于通过使用最先进模型结合非理想数据集：SkyFinder 以及来自含天空物体的 SUN 数据库的子集，来应对这些挑战。我们特别关注天空分割，即判定天空与非天空像素的任务，并对现有最先进模型 RefineNet 加以改进。得益于我们的工作，在 SkyFinder 数据集上相较于先前方法，平均 MCR 提升了 10–15%。在平均 mIOU 方面，我们也比开箱即用模型提升了近 35%。此外，我们针对两个方面：一天中的时段与天气，对训练模型在图像上的表现进行分析，发现尽管面临与先前方法相同的挑战，我们的训练模型仍显著优于它们。
引用
@article{arxiv.1712.09161,
title = {Segmenting Sky Pixels in Images},
author = {Cecilia La Place and Aisha Urooj Khan and Ali Borji},
journal= {arXiv preprint arXiv:1712.09161},
year = {2018}
}