論文の概要: TP-LSD: Tri-Points Based Line Segment Detector

• arxiv url: http://arxiv.org/abs/2009.05505v1
• Date: Fri, 11 Sep 2020 16:08:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-19 21:42:20.049072
• Title: TP-LSD: Tri-Points Based Line Segment Detector
• Title（参考訳）: TP-LSD:三点線分割検出器
• Authors: Siyu Huang, Fangbo Qin, Pengfei Xiong, Ning Ding, Yijia He, Xiao Liu
• Abstract要約: 本稿では,画像中の線分をリアルタイムに検出する新しい深部畳み込みモデルであるTri-Points Based Line Segment Detector (TP-LSD)を提案する。 より高速でコンパクトなモデルで一段階検出を実現するために,三点表現を導入する。 TP-LSDは三点抽出枝と線分枝の2つの枝を持つ。
• 参考スコア（独自算出の注目度）: 31.722196464420144
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper proposes a novel deep convolutional model, Tri-Points Based Line Segment Detector (TP-LSD), to detect line segments in an image at real-time speed. The previous related methods typically use the two-step strategy, relying on either heuristic post-process or extra classifier. To realize one-step detection with a faster and more compact model, we introduce the tri-points representation, converting the line segment detection to the end-to-end prediction of a root-point and two endpoints for each line segment. TP-LSD has two branches: tri-points extraction branch and line segmentation branch. The former predicts the heat map of root-points and the two displacement maps of endpoints. The latter segments the pixels on straight lines out from background. Moreover, the line segmentation map is reused in the first branch as structural prior. We propose an additional novel evaluation metric and evaluate our method on Wireframe and YorkUrban datasets, demonstrating not only the competitive accuracy compared to the most recent methods, but also the real-time run speed up to 78 FPS with the $320\times 320$ input.
• Abstract（参考訳）: 本稿では,画像中の線分をリアルタイムに検出する新しい深部畳み込みモデルであるTri-Points Based Line Segment Detector (TP-LSD)を提案する。 以前の関連する方法は、通常、ヒューリスティックな後処理または追加の分類器に依存する二段階戦略を用いる。 より高速でコンパクトなモデルでワンステップ検出を実現するために,三点表現を導入し,各線分に対するルートポイントと2つのエンドポイントの終端予測に線分検出を変換する。 TP-LSDは三点抽出枝と線分枝の2つの枝を持つ。 前者は根点の熱マップとエンドポイントの2つの変位マップを予測する。 後者は、背景から直線にピクセルを分割する。 さらに、ラインセグメンテーションマップは、構造上の先行として第1ブランチで再利用される。 本稿では,Wireframe と YorkUrban のデータセットに対する新たな評価基準を提案し,最新の手法に比べて競合精度が向上しただけでなく,320ドルの入力で78FPSまでのリアルタイム実行速度を示す。

関連論文リスト

• PVT-SSD: Single-Stage 3D Object Detector with Point-Voxel Transformer [75.2251801053839]
  単段3次元検出用ポイント・ボクセル変換器(PVT-SSD)を提案する。 本稿では,voxel から長時間のコンテキストを安価に取得できる Point-Voxel Transformer (PVT) モジュールを提案する。 いくつかの自律走行ベンチマーク実験は,提案手法の有効性と有効性を検証する。
  論文  参考訳（メタデータ） (2023-05-11T07:37:15Z)
• 3D Line Mapping Revisited [86.13455066577657]
  LIMAPは、3Dラインマッピングのためのライブラリで、多視点画像から3Dラインマップを堅牢かつ効率的に作成する。 私たちのコードは、既存のポイントベースのStructure-from-Motionメソッドとシームレスに統合されます。 私たちの堅牢な3Dラインマップは、新たな研究方向も開きます。
  論文  参考訳（メタデータ） (2023-03-30T16:14:48Z)
• Sparse Optical Flow-Based Line Feature Tracking [7.166068174681434]
  本稿では, カメラポーズ推定問題に対する新しいスパース光フロー (SOF) を用いたライン特徴追跡手法を提案する。 この手法は点ベースSOFアルゴリズムにインスパイアされ、隣接する2つの画像が輝度不変量を満たすという観測に基づいて開発された。 いくつかの公開ベンチマークデータセットで実験したところ、我々の手法は速度よりも明らかな優位性を持つ高い競争精度が得られることがわかった。
  論文  参考訳（メタデータ） (2022-04-07T10:00:02Z)
• Rethinking Network Design and Local Geometry in Point Cloud: A Simple Residual MLP Framework [55.40001810884942]
  我々は、洗練された局所幾何学的抽出器を組み込んだ純粋な残留ネットワークPointMLPを導入するが、それでも非常に競争力がある。 実世界のScanObjectNNデータセットでは,従来のベストメソッドを3.3%の精度で上回ります。 最新のCurveNetと比較して、PointMLPは2倍速く、テストは7倍速く、ModelNet40ベンチマークではより正確である。
  論文  参考訳（メタデータ） (2022-02-15T01:39:07Z)
• ELSED: Enhanced Line SEgment Drawing [2.470815298095903]
  ELSEDは文献で最も高速な線分検出器である。 提案したアルゴリズムは、非常にローエンドなハードウェアを持つデバイスで動作するだけでなく、短いセグメントや長いセグメントの検出を促進するためにパラメータ化することもできる。
  論文  参考訳（メタデータ） (2021-08-06T14:33:57Z)
• ELSD: Efficient Line Segment Detector and Descriptor [9.64386089593887]
  本稿では,ラインセグメントを同時に検出し,画像中のデクリプタを抽出する,ELSD(Efficient Line Segment Detector and Descriptor)を提案する。 ELSDはSLAMや画像マッチングなどの高レベルのタスクに不可欠なライン機能を提供します。 実験では,提案したELSDは,Wireframeデータセットと YorkUrbanデータセット上での最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2021-04-29T08:53:03Z)
• SOLD2: Self-supervised Occlusion-aware Line Description and Detection [95.8719432775724]
  単一深層ネットワークにおける回線セグメントの最初の共同検出と記述について紹介します。 我々の手法は注釈付き行ラベルを必要としないため、任意のデータセットに一般化することができる。 複数のマルチビューデータセットにおいて,従来の行検出と記述方法に対するアプローチを評価した。
  論文  参考訳（メタデータ） (2021-04-07T19:27:17Z)
• MetricUNet: Synergistic Image- and Voxel-Level Learning for Precise CT Prostate Segmentation via Online Sampling [66.01558025094333]
  本稿では,前立腺領域を高速に局在させる第1段階と,前立腺領域を正確に区分する第2段階の2段階のフレームワークを提案する。 マルチタスクネットワークにおけるボクセルワイドサンプリングによる新しいオンラインメトリック学習モジュールを提案する。 本手法は,従来のクロスエントロピー学習法やDice損失学習法と比較して,より代表的なボクセルレベルの特徴を効果的に学習することができる。
  論文  参考訳（メタデータ） (2020-05-15T10:37:02Z)
• Holistically-Attracted Wireframe Parsing [123.58263152571952]
  本稿では,入力画像中のベクトル化ワイヤフレームを1つのフォワードパスで検出する高速で類似的な解析手法を提案する。 提案手法は, (i) ラインセグメントとジャンクション提案生成, (ii) ラインセグメントとジャンクションマッチング, (iii) ラインセグメントとジャンクション検証の3つのコンポーネントから構成される。
  論文  参考訳（メタデータ） (2020-03-03T17:43:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。