典型文献
基于改进轻量网络的实时室内场景布局估计
文献摘要：
为简化布局估计网络结构，提高输出特征利用率，提出一种基于改进轻量网络的实时布局估计方法。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LSUN数据集上训练得到的语义分割网络参数初始化所提网络参数，提高网络训练的稳定性。在两个基准数据集上对所提方法的性能进行评估。实验结果表明，在LSUN数据集上所提方法的平均像素误差为7.35%，在Hedau上为8.32%。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提高准确率的有效性。最终实验表明，所提方法能够实时获得准确的室内场景布局估计。
文献关键词：
编码解码网络;室内场景;布局估计;端对端;语义分割
中图分类号：
作者姓名：
岳有军;张杰;赵辉;王红君
作者机构：
天津理工大学电气电子工程学院天津市复杂系统控制理论与应用重点实验室，天津 300384;天津农学院工程技术学院，天津 300392
文献出处：
引用格式：
[1]岳有军;张杰;赵辉;王红君-.基于改进轻量网络的实时室内场景布局估计)[J].激光与光电子学进展,2022(18):1810007
A类：
布局估计,LSUN,Hedau
B类：
轻量网络,室内场景,高输出,估计方法,轻量级,编码解码网络,端对端,端直,接获,平面分割,联合学习,法特,学习模块,合到,精简,学习网络,正负,标签不平衡,分布不平衡,不平衡问题,练得,语义分割网络,网络参数,参数初始化,网络训练,基准数据集,像素,消融实验,易学,迁移机制
AB值：
0.311704
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
