在神经网络内使用正向与转置快速霍夫变换的消失点检测
计算机视觉与模式识别
2020-11-11 v3
摘要
本文提出一种用于图像中消失点检测的神经网络新架构。其关键要素是使用正向与转置快速霍夫变换，两者之间由带标准激活函数的卷积层块分隔。这使得我们能在网络输出处得到输入图像坐标下的答案，从而通过简单选取最大值来计算消失点坐标。此外，证明了转置快速霍夫变换的计算可使用正向变换完成。积分算子的使用使神经网络能够依赖图像中的全局直线特征，因而非常适于消失点检测。为证明所提架构的有效性，我们使用来自行车记录仪（DVR）的一组图像，并展示了其相对于现有方法的优越性。另需指出，所提神经网络架构本质上重复了正投影与反投影过程，例如用于计算机断层扫描中的过程。
引用
@article{arxiv.2002.01176,
title = {Vanishing Point Detection with Direct and Transposed Fast Hough Transform inside the neural network},
author = {A. Sheshkus and A. Chirvonaya and D. Matveev and D. Nikolaev and V. L. Arlazarov},
journal= {arXiv preprint arXiv:2002.01176},
year = {2020}
}
备注
9 pages, 9 figures, submitted to "Computer Optics"; extra experiment added, new theorem proof added, references added; typos corrected