基于生成对抗网络的无约束道路标线识别
计算机视觉与模式识别
2019-10-11 v1 机器人学
摘要
近年来，随着深度学习的快速发展，道路标线识别取得了巨大成功。尽管已取得诸多进展，但它们往往过度依赖于缺乏代表性的数据集和受限条件。本文为克服这些缺陷，提出了一种替代方法，该方法在获得更高准确率的同时生成高质量样本以用于数据增强。主要贡献如下：1) 所提出的去模糊网络通过采用生成对抗网络(GAN)能够从模糊的道路标线中成功恢复出清晰的道路标线。2) 所提出的基于互信息的数据增强方法能够保留并从给定数据集中学习语义上下文。我们构建并训练了一个类条件GAN以扩充训练集规模，从而使其适用于目标识别。实验结果表明，我们所提出的框架能够从模糊样本中生成去模糊的清晰样本，并且即使在使用无约束道路标线数据集时也优于其他方法。
引用
@article{arxiv.1910.04326,
title = {Unconstrained Road Marking Recognition with Generative Adversarial Networks},
author = {Younkwan Lee and Juhyun Lee and Yoojin Hong and YeongMin Ko and Moongu Jeon},
journal= {arXiv preprint arXiv:1910.04326},
year = {2019}
}
备注
Accepted at IEEE Intelligent Vehicles Symposium (IV), 2019