要約
線分検出に関する古典的な研究は知識ベースのアプローチを採用しており、画像勾配、ピクセルグループ、またはハフ変換のバリエーションを使用して慎重に設計された幾何学的プリオール（prior）を利用します。一方、現在の深層学習手法では、すべての事前知識を排除し、大規模な手動アノテーションデータセットで深層ネットワークを訓練することでプリオールを置き換えています。本研究では、古典的な知識ベースのプリオールを活用しながら、深層ネットワークを使用して特徴量を学習することでラベル付きデータへの依存度を低減しています。私たちは訓練可能なハフ変換ブロックを深層ネットワークに組み込むことで線分プリオールを追加しました。ハフ変換はグローバルな線パラメータ化に関する事前知識を提供し、畳み込み層は局所的な勾配のような線特徴量を学習することができます。ワイヤフレーム（ShanghaiTech）およびヨーク・アーバンデータセットにおいて、事前知識の追加がデータ効率性の向上につながることを示しています。これは線分プリオールがデータから学習される必要がなくなったためです。キーワード: ハフ変換；グローバル線プリオール, 線分検出。