.png){kind=icon}
返回
Efficient and Precise Ellipse Detection via Deep Learning-Based Axis-Aligned Bounding Box Estimation
.png){kind=icon}
PRE
AI
DOI：10.1587/transinf.2025EDL8032.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
椭圆检测在医学诊断、环境监测和工业自动化等领域发挥着关键作用。然而，传统方法（如霍夫变换、最小二乘拟合和边缘跟踪技术）存在计算复杂度高和抗噪性差的问题。为解决这些局限性，我们提出了一种结合深度学习与几何约束的混合框架。首先，采用Faster RCNN定位椭圆的轴对齐边界框（AABBs）；然后，通过点对滤波策略提取满足预设几何约束的边缘点，再利用加权最小二乘拟合估计椭圆参数。与传統方法相比，本方法直接识别AABBs，显著提升了多目标椭圆检测在实际应用中的效率和精度。在两个合成数据集上进行的实验表明，所提方法相较于传统椭圆检测算法具有更优的精度和F-度量。
Keyword:
ellipse detection
least squares fitting
edge-following methods
computer vision
期刊
I
IF:
0.8
论文数:
171
被引数:
2.3K
机构
引用论文
暂无论文信息