SEL

语义线表征图像的布局。尽管它们在图像分析和场景理解中很重要，但没有可靠的语义线检测研究。在本文中，我们提出了一种使用具有多任务学习的卷积神经网络的语义线检测器，将线检测视为分类和回归任务的组合。我们使用卷积和最大池化层来获得输入图像的多尺度特征图。然后，我们开发线池化层以从特征图中为每条候选线提取特征向量。接下来，我们将特征向量输入并行分类和回归层。分类层决定候选线是否具有语义。在语义线的情况下，回归层确定用于细化线位置的偏移量。实验结果表明，所提出的检测器准确可靠地提取了语义线。此外，我们证明了所提出的检测器可以成功地用于三个应用：水平估计、构图增强和图像简化。

搜集汇总

背景与挑战

背景概述

SEL数据集专注于语义线检测，旨在通过卷积神经网络的多任务学习方法（结合分类和回归任务）来准确提取图像中的语义线，以支持场景理解。该数据集可用于水平估计、构图增强和图像简化等应用，由高丽大学和国立釜庆大学于2017年发布。