[논문 리뷰] High-quality Ellipse Detection Based on Arc-support Line Segments.

Changsheng Lu, Siyu Xia외 2명|arXiv (Cornell University)|2018. 10. 08.

Image and Object Detection Techniques인용 수 3

한 줄 요약

이 논문은 곡선을 단순화하면서 핵심 기하적 성질을 유지하는 아크-지원 선분을 사용하여 고정확도, 고효율의 타원 검출 방법을 제안한다. 이러한 선분들을 그룹화하고 국소 및 전역 전략을 활용해 초기 타원을 피팅하며, 계층적 군집화와 검증을 통해 후보를 정밀하게 보정함으로써, 세 개의 공개 데이터셋에서 최신 기술 대비 뛰어난 F-측정치를 달성한다.

ABSTRACT

Over the years many ellipse detection algorithms spring up and are studied broadly, while the critical issue of detecting ellipses accurately and efficiently in real-world images remains a challenge. In this paper, we propose a valuable industry-oriented ellipse detector by arc-support line segments, which simultaneously reaches high detection accuracy and efficiency. To simplify the complicated curves in an image while retaining the general properties including convexity and polarity, the arc-support line segments are extracted, which grounds the successful detection of ellipses. The arc-support groups are formed by iteratively and robustly linking the arc-support line segments that latently belong to a common ellipse. Afterward, two complementary approaches, namely, locally selecting the arc-support group with higher saliency and globally searching all the valid paired groups, are adopted to fit the initial ellipses in a fast way. Then, the ellipse candidate set can be formulated by hierarchical clustering of 5D parameter space of initial ellipses. Finally, the salient ellipse candidates are selected and refined as detections subject to the stringent and effective verification. Extensive experiments on three public datasets are implemented and our method achieves the best F-measure scores compared to the state-of-the-art methods. The source code is available at this https URL.

연구 동기 및 목표

• 실세계 이미지에서 타원을 정확하고 효율적으로 검출하는 과제를 해결하기 위해.
• 이미지 내 복잡한 곡선을 볼록성과 극성과 같은 핵심 기하적 성질을 유지하면서 단순화하기 위해.
• 속도와 정밀도를 균형 잡은 산업 중심의 강력한 타원 검출 파이프라인 개발을 위해.
• 5차원 매개변수 공간에서의 계층적 군집화 접근을 통해 검출 성능 향상시키기 위해.
• 최신 기술 대비 뛰어난 F-측정치를 달성하기 위해.

제안 방법

• 아크-지원 선분을 추출하여 곡선을 단순화하면서 볼록성과 극성을 유지함으로써 타원 검출의 기초를 마련한다.
• 아크-지원 선분을 반복적으로 연결하여 동일한 타원에 속할 가능성이 높은 아크-지원 그룹을 형성한다.
• 서로 보완되는 두 가지 피팅 전략을 사용한다: 국소 특징 기반 선택 및 전역 쌍그룹 탐색을 통해 초기 타원 후보를 신속하게 생성한다.
• 초기 타원들을 5차원 매개변수 공간에서 계층적으로 군집화하여 후보 집합을 형성한다.
• 엄격한 검증 절차를 통해 가장 두드러진 타원 후보를 선택하고 정밀하게 보정한다.
• 강력한 그룹화와 검증을 활용하여 높은 정확도와 효율성을 보장한다.

실험 결과

연구 질문

• RQ1 실세계 이미지 내의 복잡한 곡선은 어떻게 단순화할 수 있으며, 타원 검출을 위해 핵심 기하적 성질을 유지할 수 있는가?
• RQ2 아크-지원 선분을 어떻게 그룹화하여 의미 있는 타원 관련 구조로 만들 수 있는가?
• RQ3 국소 및 전역 전략을 활용해 초기 타원 후보를 어떻게 효율적이고 정확하게 피팅할 수 있는가?
• RQ4 5차원 매개변수 공간에서 어떤 군집화 전략이 거짓 양성(false positive)을 최소화하면서 진짜 타원 검출을 유지하는 데 가장 효과적인가?
• RQ5 통합된 파이프라인을 통해 실세계 타원 검출에서 높은 정확도와 높은 효율성을 동시에 달성할 수 있는가?

주요 결과

• 제안된 방법은 세 개의 공개 데이터셋에서 기존 최신 기술 대비 가장 높은 F-측정치를 기록하였다.
• 아크-지원 선분의 사용은 복잡한 곡선의 효과적인 단순화와 함께 핵심 기하적 성질의 유지에 기여한다.
• 국소 특징 기반 전략과 전역 쌍그룹 탐색 전략의 조합은 신속하고 강력한 초기 타원 피팅을 가능하게 한다.
• 5차원 매개변수 공간에서의 계층적 군집화는 거짓 양성의 효과적인 감소와 후보 선택의 정밀화에 기여한다.
• 최종 검증 단계는 두드러진 타원 후보의 고정밀도 검출을 보장한다.
• 이 방법은 정확도와 효율성을 균형 잡고 있어 실세계 환경에서도 뛰어난 성능을 보였다.