Walk the Lines：用于船舶轮廓补全的轮廓追踪 CNN
计算机视觉与模式识别
2020-04-15 v1 机器学习
摘要
我们开发了一种新的轮廓追踪算法，以增强最新目标轮廓检测器的效果。目标是获得完美闭合、1 像素宽且细节丰富的目标轮廓，因为此类轮廓可使用傅里叶描述子等方法进行分析。卷积神经网络（CNN）很少用于轮廓追踪。然而，我们发现 CNN 正是为此任务量身定做，因此我们提出 Walk the Lines（WtL）算法，一种经过训练以跟随目标轮廓的标准回归 CNN。作为第一步，我们仅在船舶轮廓上训练该 CNN，但此原理也适用于其他物体。输入数据为图像以及近期发表的 RefineContourNet 的相应目标轮廓预测。WtL 获取一个中心像素，用于定义输入区块以及旋转该区块的角度。理想情况下，中心像素沿轮廓移动，而角度描述即将发生的方向性轮廓变化。WtL 以自路由方式逐像素预测其步长。为获得完整的目标轮廓，WtL 在不同图像位置并行运行，并将其各条路径的迹相加。与可比较的非极大值抑制方法相比，我们的方法生成具有更精细细节的连通轮廓。最后，在闭合条件下对目标轮廓进行二值化。若所有流程如预期工作，则生成具有高 IoU 的优异船舶分割结果，展现出诸如天线和船舶上层建筑等易被其他分割方法遗漏的细节。
引用
@article{arxiv.2004.06587,
title = {Walk the Lines: Object Contour Tracing CNN for Contour Completion of Ships},
author = {André Peter Kelm and Udo Zölzer},
journal= {arXiv preprint arXiv:2004.06587},
year = {2020}
}
备注
Submission to the ICPR