科研之友
微信
新浪微博
Facebook
分享链接
摘要
为简化布局估计网络结构，提高输出特征利用率，本文提出一种基于改进轻量网络的实时布局估计方法。文中利用轻量级的编码解码网络，端对端直接获得室内场景的主要平面分割图，实现实时的布局估计。针对以往联合学习方法特征利用率不高的问题，引入简化的联合学习模块，使用输出分割图的梯度作为输出边缘，将边缘的损失直接整合到整个网络输出损失中，提高特征利用率并精简联合学习网络。针对数据集正负标签不平衡和布局类型分布不平衡问题，使用分割型语义迁移，使用在SUN数据集上训练得到的语义分割网络参数初始化本文网络参数，提高网络训练的稳定性。本文在两个基准数据集上对此方法的性能进行评估，结果表明，在LSUN数据集上平均像素误差为7.35%，在Hedau上为8.32%。文中通过消融实验证明了分层监督、简易学习联合和语义迁移机制对于提高准确率的有效性。最终实验表明，本文提出的方法能够实时获得准确的室内场景布局估计。
- 单位
