SkeletonNet：从形状像素到骨架像素

几何形状理解的深度学习组织了一场挑战赛，用于从不同物体的图像中提取各类骨架。该竞赛与 CVPR 2019 联合举办。竞赛包含三个不同的赛道。本稿件描述了为第一赛道所提供数据集训练模型所用的方法。第一赛道旨在从 89 种不同物体的形状像素中提取骨架像素。为提取骨架，使用了由编码器-解码器结构组成的 U-net 模型。在我们提出的架构中，不同于传统 Unet 中朴素的解码器，我们将解码器设计为 HED 架构的形式，其中引入了 4 个侧层并将其融合到一个膨胀卷积层以连接骨架的断裂链接。我们提出的架构在测试数据上取得了 0.77 的 F1 分数。