基于生成对抗网络的谱线去除
计算机视觉与模式识别
2018-06-07 v3
摘要
谱线去除是光学乐谱识别中一个关键的预处理步骤。在古老退化的乐谱图像中，同时降低噪声并保留音乐符号上下文的质量是一项具有挑战性的任务。本文提出一种基于生成对抗网络（GAN）的谱线去除新方法。我们将谱线图像转换为图像块并输入到作为生成器的 U-Net 中。生成器旨在在输出端产生无谱线图像。随后判别器进行二分类，区分生成的伪造无谱线图像与真实的ground truth无谱线图像。在训练中，我们使用由 L2 损失与对抗损失加权组合而成的损失函数。L2 损失最小化真实与伪造无谱线图像之间的差异。对抗损失有助于在生成图像中恢复更高质量的纹理。因此我们的架构支持更贴近 ground truth 的解决方案，这也反映在我们的结果中。为进行评估，我们采用了 ICDAR/GREC 2013 谱线去除数据库。与其他传统方法相比，我们的方法取得了更优的性能。
引用
@article{arxiv.1801.07141,
title = {Staff line Removal using Generative Adversarial Networks},
author = {Aishik Konwer and Ayan Kumar Bhunia and Abir Bhowmick and Ankan Kumar Bhunia and Prithaj Banerjee and Partha Pratim Roy and Umapada Pal},
journal= {arXiv preprint arXiv:1801.07141},
year = {2018}
}
备注
To be appeared in ICPR 2018, 2018 International Conference on Pattern Recognition(Oral)