SFSegNet：使用深度全卷积网络解析手绘草图
计算机视觉与模式识别
2019-10-15 v1 机器学习
摘要
通过语义分割解析草图具有吸引力但充满挑战，因为（i）自由手绘是抽象的，由于不同的绘画风格和技巧，在描绘物体时存在很大差异；（ii）在触控板上绘制的扭曲线条使草图更难以被识别；（iii）通过深度学习技术实现的高性能图像分割在训练阶段需要大量的标注草图数据集。在本文中，我们提出了一种草图目标深度 FCN 分割网络（SFSegNet）用于自动自由手绘草图分割，将单个物体中的每幅草图标注为多个部分。SFSegNet 在输入草图和分割结果之间具有端到端的网络处理，由两部分组成：（i）使用重加权策略来忽略背景像素并分类每个像素所属部分的改进的深度全卷积网络（FCN）；（ii）试图将抖动笔划规范化的仿射变换编码器。我们使用由 10,000 幅标注草图组成的数据集训练我们的网络，以找到一个广泛适用的模型来在单一真值中对笔划进行语义分割。我们进行了大量实验，分割结果表明我们的方法优于其他最先进的网络。
引用
@article{arxiv.1908.05389,
title = {SFSegNet: Parse Freehand Sketches using Deep Fully Convolutional Networks},
author = {Junkun Jiang and Ruomei Wang and Shujin Lin and Fei Wang},
journal= {arXiv preprint arXiv:1908.05389},
year = {2019}
}
备注
Accepted for the 2019 International Joint Conference on Neural Networks (IJCNN-19)