SkelNetOn 2019：面向几何形状理解深度学习的数据库与挑战赛
计算机视觉与模式识别
2019-06-25 v3
摘要
我们提出 SkelNetOn 2019 挑战赛及“面向几何形状理解的深度学习”研讨会，以利用现有并开发新颖的深度学习架构用于形状理解。我们观察到，不同于传统的分割与检测任务，几何理解对于深度学习技术而言仍是一个新领域。SkelNetOn 旨在汇聚不同领域的研究人员，以促进面向全局形状理解任务的学习方法。我们旨在改进并评估最先进的形状理解方法，并作为未来研究的参考基准。类似于计算机视觉中的其他挑战赛，SkelNetOn 提出了三个数据集及相应的评估方法；全部连贯地打包于三项竞赛中，并设有与 CVPR 2019 会议联合举办的专门研讨会。在本文中，我们描述并分析数据集的特征，定义公开竞赛的评估准则，并为每项任务提供基线。
引用
@article{arxiv.1903.09233,
title = {SkelNetOn 2019: Dataset and Challenge on Deep Learning for Geometric Shape Understanding},
author = {Ilke Demir and Camilla Hahn and Kathryn Leonard and Geraldine Morin and Dana Rahbani and Athina Panotopoulou and Amelie Fondevilla and Elena Balashova and Bastien Durix and Adam Kortylewski},
journal= {arXiv preprint arXiv:1903.09233},
year = {2019}
}
备注
Dataset paper for SkelNetOn Challenge, in association with Deep Learning for Geometric Shape Understanding Workshop at CVPR 2019