10.3778/j.issn.1673-9418.2206085
融合卷积特征的清晰边缘检测研究
受益于卷积神经网络(CNN),边缘检测性能在多个基准数据集上都已经超过人类水平.但这类算法无法保证边缘的清晰性和定位的准确性.为获取细化清晰、有效抑制背景纹理、定位准确的目标边缘图,提出了一种融合卷积特征的清晰边缘检测算法(FCF).该算法使用VGG16作为主干网络进行卷积特征提取,将不同阶段的卷积特征上采样后进行特征融合,并通过所设计的细化融合模块(RFB)获得清晰的边缘图.RFB使用多个归一化细化块(GRB)来细化得到的边缘图.此外,为平衡边缘像素和非边缘像素,还提出一个细化骰子损失函数(RD).在BSDS500数据集上,所提方法将HED、RCF等深度边缘检测器的F-score(ODS)分别提高了2.8%和2.1%;当不使用非极大值抑制(NMS)进行边缘检测评估时,F-score(ODS)、F-score(OIS)分别达到0.801和0.816,超过了其他算法.
清晰边缘检测、融合卷积特征(FCF)、细化骰子损失(RD)、卷积神经网络(CNN)
17
TP391.41(计算技术、计算机技术)
2023-09-18(万方平台首次上网日期,不代表论文的发表时间)
共13页
2148-2160