抽象的

在本文中，我们提出了一个深度有源射线网络（Darnet），用于自动构建分段。将图像作为输入拍摄，首先利用深度卷积神经网络（CNN）作为骨干以预测能量图，其进一步用于构造能量函数。然后通过最小化能量函数来演化基于多边形的轮廓，其中最小限定最终分割。使用欧几里德坐标而不是参数化轮廓，我们采用极性坐标，即光线，不仅防止自交叉点，而且还可以简化能量功能的设计。此外，我们提出了一种直接鼓励轮廓来匹配建设边界的损失功能。我们的Darnet通过通过最小化和骨干CNN返回传播来培训端到端，这使得CNN适应轮廓演进的动态。三个楼层实例分割数据集的实验证明我们的Darnet实现了最先进的或可比性的表现给其他竞争对手。

作者

多米尼克成，雷杰廖，Sanja Fidler，拉奎尔乌特萨苏

会议

CVPR 2019.

全文

'DARNET_ BUING ACTIVE RAY网络用于构建分割'（PDF）

优步阿格