.png){kind=icon}
返回
Semi-Supervised Deep Image Stitching for Moving Elongated Objects
.png){kind=icon}
OA
AI
DOI：10.3390/s26165092.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
针对运动长条形物体的图像拼接方法需要高拼接质量、高效推理以及对目标物体外部干扰区域的鲁棒性。现有方法难以同时满足这些要求。本文提出了一种适用于运动长条形物体的半监督深度图像拼接方法。所提出的框架包含两个阶段：半监督配准和无监督重建。在半监督配准阶段，使用半监督光流估计网络预测输入图像之间的双向光流。随后引入以物体为中心的空间变换模块，以去除运动物体外的区域并将输入映射到统一平面。在无监督重建阶段，采用多尺度融合模型提高重建拼接图像的质量。相应地，我们基于多尺度特征表示设计了重建目标函数。为解决该任务缺乏可用数据集的问题，我们构建了两个数据集：MEOIS-D，一个用于泛化评估的合成数据集，以及Container-D，一个特定于真实场景的数据集。广泛的对比实验和消融研究证明了所提出方法的有效性。
Keyword:
deep image stitching
semi-supervised learning
image registration
image reconstruction
期刊
IF:
3.5
论文数:
7.3W
被引数:
20.9W
机构
引用论文
.png){kind=icon}
An overview of industrial image segmentation using deep learning models王G.; 李Z.; 翁G.; 陈Y. 基于深度学习模型的工业图像分割综述. Intell. Robot 2025, 5, 143–180. [Google Scholar] [CrossRef]
PREAI
分享收藏
查看更多内容