用于深度平面图识别的方向感知、可学习、加性核与对抗网络
计算机视觉与模式识别
2020-01-31 v1 机器学习
摘要
本文提出一种用于平面图布局中元素识别的新方法。除具有常见形状的元素外，我们旨在识别具有不规则形状的元素，如圆形房间与倾斜墙壁。此外，平面图语义分割中的噪声消减是迫切需求。为此，我们在上下文模块与常见卷积块的应用中提出方向感知、可学习、加性核。我们将它们应用于具有常见与不规则形状元素的高性能识别。此外，提出一种带两个判别器的对抗网络，以进一步提升元素精度并降低语义分割的噪声。实验结果证明了所提网络相对于最先进方法的优越性与有效性。
引用
@article{arxiv.2001.11194,
title = {The Direction-Aware, Learnable, Additive Kernels and the Adversarial Network for Deep Floor Plan Recognition},
author = {Yuli Zhang and Yeyang He and Shaowen Zhu and Xinhan Di},
journal= {arXiv preprint arXiv:2001.11194},
year = {2020}
}
备注
deep learning, floor plan, computer vision