每天一分钟，带你读遍机器人顶级会议文章
标题：Semantic Line Detection and Its Applications
作者：Jun-Tae Lee, Han-Ul Kim，Chul Lee，Chang-Su Kim
来源：International Conference on Computer Vision (ICCV 2017)
编译：博主
欢迎个人转发朋友圈；其他机构或自媒体如需转载，后台留言申请授权
–
摘要
语义直线是一种能够展示图像布局的特殊直线，在图像分析和场景理解中具有重要作用，然而目前还没有十分可靠的语义直线提取方法。
在本文中，作者提出了一个基于卷积神经网络的多任务的语义直线提取方法，其中语义直线提取包括一个分类任务和一个回归任务。本文的流程如下：首先使用卷积和最大池化获取输入图像的多尺度特征图；然后利用线池化层（line pooling layer）从特征图中提取可能的直线；最后使用分类层来判断该直线是否是语义直线和使用回归层来优化该直线的位置。
实验结果证明本文的方法能够准确稳健的从图片中提取语义线，并且能够应用于水平估计、布局标准和图像简化等领域。
图1 本文算法的框架图
图2 语义直线与线段提取的区别，其中(a)展示的是语义直线，(b)和©分别展示的是使用LSD和EDLins提取的线段。
图3 水平线检测结果
图4 基于水平线检测的布局调整，将图片中的水平线置平
图5 基于语义直线的场景简化
