摘要

经典的线段检测方法基于知识；它们使用精心设计的几何先验，这些先验可以基于图像梯度、像素分组或霍夫变换的变体。相比之下，当前的深度学习方法完全摒弃了所有先验知识，而是通过在大规模人工标注的数据集上训练深度网络来替代先验知识。本文中，我们通过结合经典的知识基先验并利用深度网络学习特征，减少了对标注数据的依赖。我们将线先验通过一个可训练的霍夫变换模块加入到深度网络中。霍夫变换提供了关于全局线参数化的先验知识，而卷积层则可以学习局部梯度类线特征。我们在Wireframe（上海科技大学）和York Urban数据集上展示了添加先验知识提高了数据效率，因为线先验不再需要从数据中学习。关键词：霍夫变换；全局线先验；线段检测。