写论文神器APEX-NET:自动重新绘制图像

最新推荐文章于 2022-11-11 10:00:03 发布

小白学视觉

最新推荐文章于 2022-11-11 10:00:03 发布

阅读量1.3k

点赞数

分类专栏：论文解读文章标签：算法编程语言 python 计算机视觉神经网络

本文链接：https://blog.csdn.net/qq_42722197/article/details/113011670

版权

APEX-Net是一个深度学习框架，旨在减少人工干预，从绘图图像中自动提取原始数据。利用新的损失函数，该框架在大规模数据集APEX-1M上展示出色性能，适用于计算机视觉和神经网络领域的绘图图像处理。此外，还开发了一款基于GUI的绘图软件，以促进社区使用。

摘要由CSDN通过智能技术生成

点击上方“小白学视觉”，选择加"星标"或“置顶”
重磅干货，第一时间送达



小白导读论文是学术研究的精华和未来发展的明灯。小白决心每天为大家带来经典或者最新论文的解读和分享，旨在帮助各位读者快速了解论文内容。个人能力有限，理解难免出现偏差，建议对文章内容感兴趣的读者，一定要下载原文，了解具体内容。

摘要

从二维线图图像中自动提取原始数据是一个非常重要的问题，有许多实际应用。已经提出了几种算法来解决这个问题。然而，这些算法涉及大量的人工干预。为了减少这种干扰，作者提出了APEX-Net，一个基于深度学习的框架，使用新的损失函数来解决图的提取问题。作者引入了一个新的大型数据集APEX-1M，它包含了绘图图像和原始数据。作者在APEX-1M测试集中演示了APEX-Net的性能，并表明它获得了令人印象深刻的精度。作者还展示了作者的网络对看不见的plot图像的可视化结果，表明该网络在很大程度上提取了plot的形状。最后，作者开发了一个基于图形用户界面的绘图软件，它可以使整个社区受益。数据集和代码将向公众开放。

论文创新点

从目标检测算法中汲取灵感，并认识到它们之间的差异，作者开发了一个名为APEX-Net的深度学习框架，解决了自动绘图的问题。据作者所知，这是深度学习框架中解决这一问题的第一个工作。作者的主要贡献如下：