👰🏼 🤰🏻 🌧️ HoughNet: ابحث عن نقاط التلاشي المصحوبة بخوارزمية كلاسيكية 👩‍🚀 😼 👩🏻‍🏫

بينما يتم تدريس العشرات بل والمئات من البنى المثبتة للشبكات العصبية الاصطناعية (ANNs) في عالم التعرف على الأشياء ، وتسخين الكوكب ببطاقات الفيديو القوية وإنشاء "دواء سحري" لجميع مهام رؤية الكمبيوتر ، فنحن بحزم على مسار البحث في المحركات الذكية ، ونقدم بنيات ANN فعالة جديدة لحل مشاكل معينة. سنتحدث اليوم عن HafNet - طريقة جديدة للبحث عن نقاط التلاشي على الصور.

تحول هوغ وتنفيذها السريع

. , , , , . ( ). () : , , , .. , , , , , .

(x_i,y_i). , y_i=x_ia+b a b. b=-x_ia+y_i ab, , (x_i,y_i) . : , , , . : , . ( – , ).

, , , – .

, . .

, , : – O(n³), n – .

() – , , () . O(n² log(n)), . , , , [5]. , : : « » ( H₁), « » ( H₂), « » ( H₃) « » ( H₄). , H₁₂ H₃₄ , .

( , ). , , . .

. , , - , : ( , , ), – . , . . , - . , H₁₂ , . , , H₃₄ , . , , H₁₂ , , , . ( , H₁₂ ).

( ). , ( – ).

, , : ? , … , !

HoughNet

, , - (, – , – ). «» ( , ). «» . «» , , ?

, ( HoughNet), , - . , , – , , . , ( [1]).


1	conv	12 filters 5x5, stride 1x1, no padding	relu
2	conv	12 filters 5x5, stride 2x2, no padding	relu
3	conv	12 filters 5x5, stride 1x1, no padding	relu
4	FHT	H12 for vertical, H34 for horizontal	-
5	conv	12 filters 3x9, stride 1x1, no padding	relu
6	conv	12 filters 3x5, stride 1x1, no padding	relu
7	conv	12 filters 3x9, stride 1x1, no padding	relu
8	conv	12 filters 3x5, stride 1x1, no padding	relu
9	FHT	H34 for both branchesg	-
10	conv	16 filters 5x5, stride 3x3, no padding	relu
11	conv	16 filters 5x5, stride 3x3, no padding	relu
12	conv	1 filter 5x5, stride 3x3, no padding	1 – rbf

: «» , «» . .

. MIDV-500 [6]. , . 50 . ( , 30 ) , – .

, , ICDAR 2011 dewarping contest dataset ( 100 - , ) .

«» ( ), state-of-the-art [7] [8].

		[7]	[8]	HoughNet
	31.3%	49.6%	50.1%	59.7%

[1] Sheshkus A. et al. HoughNet: neural network architecture for vanishing points detection // 2019 International Conference on Document Analysis and Recognition (ICDAR). – 2020. doi: 10.1109/ICDAR.2019.00140.
[2] . ., . ., . . // . – 2014. – . 64. – №. 3. – . 25-34.
[3] .. : . … . . .-. . – ., 2019. – 24 .
[4] [ ]: . . – : https://ru.wikipedia.org/wiki/_/ ( : 13.03.2020).
[5] Nikolaev D. P., Karpenko S. M., Nikolaev I. P., Nikolayev P. P. Hough Transform: Underestimated Tool in the Computer Vision Field // 22st European Conference on Modelling and Simulation, ECMS 2008. – Nicosia, Cyprys, 2008. – P. 238–243.
[6] Arlazarov V. V. et al. MIDV-500: a dataset for identity document analysis and recognition on mobile devices in video stream // . – 2019. – . 43. – №. 5.
[7] Y. Takezawa, M. Hasegawa, and S. Tabbone, “Cameracaptured document image perspective distortion correction using vanishing point detection based on radon transform,” in Pattern Recognition (ICPR), 2016 23rd International Conference on. IEEE, 2016, pp. 3968–3974.
[8] Y. Takezawa, M. Hasegawa, and S. Tabbone, “Robust perspective rectification of camera-captured document images,” in Document Analysis and Recognition (ICDAR), 2017 14th IAPR International Conference on, vol. 6. IEEE, 2017, pp. 27–32.

HoughNet: ابحث عن نقاط التلاشي المصحوبة بخوارزمية كلاسيكية

تحول هوغ وتنفيذها السريع

HoughNet

More articles: