方向意識的な空間コンテキスト特徴量を用いた影検出

影検出は、全体的な画像の意味を理解し、影の周囲に様々な背景が存在するため、基本的でありながら難易度の高い課題です。本論文では、方向に応じた画像コンテキストの分析によって影を検出する新しいネットワークを提案します。この目的を達成するために、まず空間再帰型ニューラルネットワーク（RNN）において、RNN内の空間コンテキスト特徴量を集約する際に注意重みを導入することで、方向に応じた注意メカニズムを定式化します。これらの重みを学習することにより、影検出のために方向に応じた空間コンテキスト（DSC）を復元できます。この設計はDSCモジュールとして発展させられ、異なるレベルでDSC特徴量を学習するためにCNN内に埋め込まれます。さらに、訓練効率を向上させるために加重クロスエントロピー損失関数が設計されています。我々は2つの一般的な影検出ベンチマークデータセットを使用し、さまざまな実験を行ってネットワークの性能を評価しました。実験結果は、我々のネットワークが最先端の手法を超えており、97%の精度とバランス誤差率における38%の削減を達成していることを示しています。