基于深度学习的图像边缘检测算法综述

摘要：

边缘检测是将图像中的突变的重要信息提取出来的过程,是计算机视觉领域研究热点,也是图像分割、目标检测与识别等多种中高层视觉任务的基础.近几年来,针对边缘轮廓线过粗以及检测精度不高等问题,业内提出了谱聚类、多尺度融合、跨层融合等基于深度学习的边缘检测算法.为了使更多研究者了解边缘检测的研究现状,首先,介绍了传统边缘检测的实现理论及方法;然后,总结了近年来基于深度学习的主要边缘检测方法,并依据实现技术对这些方法进行了分类,对其涉及的关键技术进行分析,发现对多尺度多层次融合与损失函数的选择是重要的研究方向.通过评价指标对各类方法进行了比较,可知边缘检测算法在伯克利大学数据集(BSDS500)上的最优数据集规模(ODS)经过多年研究从0.598提高到了0.828,接近人类视觉水平.最后,展示了边缘检测算法研究的发展方向.

关键词：边缘检测、深度学习、卷积神经网络、损失函数、多尺度融合

所属期刊栏目：40

分类号：TP391.41(计算技术、计算机技术)

资助基金：重庆工程学院高科技人才计划项目;重庆工程学院校内科研基金资助项目

在线出版日期：2020-11-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：3280-3288