Компьютерная оптика
RUS  ENG    ЖУРНАЛЫ   ПЕРСОНАЛИИ   ОРГАНИЗАЦИИ   КОНФЕРЕНЦИИ   СЕМИНАРЫ   ВИДЕОТЕКА   ПАКЕТ AMSBIB  
Общая информация
Последний выпуск
Архив
Правила для авторов

Поиск публикаций
Поиск ссылок

RSS
Последний выпуск
Текущие выпуски
Архивные выпуски
Что такое RSS



Компьютерная оптика:
Год:
Том:
Выпуск:
Страница:
Найти






Персональный вход:
Логин:
Пароль:
Запомнить пароль
Войти
Забыли пароль?
Регистрация


Компьютерная оптика, 2020, том 44, выпуск 5, страницы 737–745
DOI: https://doi.org/10.18287/2412-6179-CO-676
(Mi co843)
 

Эта публикация цитируется в 6 научных статьях (всего в 6 статьях)

ОБРАБОТКА ИЗОБРАЖЕНИЙ, РАСПОЗНАВАНИЕ ОБРАЗОВ

Vanishing point detection with direct and transposed fast Hough transform inside the neural network

A. V. Sheshkusab, A. N. Chirvonayaac, D. M. Matveevad, D. P. Nikolaevea, V. L. Arlazarovfb

a Smart Engines Service LLC, Moscow, Russia
b Institute for Systems Analysis, Federal Research Center "Computer Science and Control" of Russian Academy of Sciences, Moscow, Russia
c National University of Science and Technology "MISIS"
d Lomonosov Moscow State University, Moscow, Russia
e Institute for Information Transmission Problems (Kharkevich Institute) RAS, Moscow, Russia
f Moscow Institute for Physics and Technology, Moscow, Russia
Список литературы:
Аннотация: In this paper, we suggest a new neural network architecture for vanishing point detection in images. The key element is the use of the direct and transposed fast Hough transforms separated by convolutional layer blocks with standard activation functions. It allows us to get the answer in the coordinates of the input image at the output of the network and thus to calculate the coordinates of the vanishing point by simply selecting the maximum. Besides, it was proved that calculation of the transposed fast Hough transform can be performed using the direct one. The use of integral operators enables the neural network to rely on global rectilinear features in the image, and so it is ideal for detecting vanishing points. To demonstrate the effectiveness of the proposed architecture, we use a set of images from a DVR and show its superiority over existing methods. Note, in addition, that the proposed neural network architecture essentially repeats the process of direct and back projection used, for example, in computed tomography.
Ключевые слова: fast Hough transform, vanishing points, deep learning, convolutional neural networks.
Финансовая поддержка Номер гранта
Российский научный фонд 18-29-26027
17-29-03161
Поступила в редакцию: 11.12.2019
Принята в печать: 21.07.2020
Тип публикации: Статья
Язык публикации: английский
Образец цитирования: A. V. Sheshkus, A. N. Chirvonaya, D. M. Matveev, D. P. Nikolaev, V. L. Arlazarov, “Vanishing point detection with direct and transposed fast Hough transform inside the neural network”, Компьютерная оптика, 44:5 (2020), 737–745
Цитирование в формате AMSBIB
\RBibitem{SheChiMat20}
\by A.~V.~Sheshkus, A.~N.~Chirvonaya, D.~M.~Matveev, D.~P.~Nikolaev, V.~L.~Arlazarov
\paper Vanishing point detection with direct and transposed fast Hough transform inside the neural network
\jour Компьютерная оптика
\yr 2020
\vol 44
\issue 5
\pages 737--745
\mathnet{http://mi.mathnet.ru/co843}
\crossref{https://doi.org/10.18287/2412-6179-CO-676}
Образцы ссылок на эту страницу:
  • https://www.mathnet.ru/rus/co843
  • https://www.mathnet.ru/rus/co/v44/i5/p737
  • Эта публикация цитируется в следующих 6 статьяx:
    Citing articles in Google Scholar: Russian citations, English citations
    Related articles in Google Scholar: Russian articles, English articles
    Компьютерная оптика
    Статистика просмотров:
    Страница аннотации:127
    PDF полного текста:110
    Список литературы:23
     
      Обратная связь:
     Пользовательское соглашение  Регистрация посетителей портала  Логотипы © Математический институт им. В. А. Стеклова РАН, 2024