复杂稠密网络下的并置多尺度融合边缘检测模型OA北大核心CSTPCD
Multi-scale Fusion Edge Detection Model with Spatial Co-location Rule Based on Dense Extreme Inception Network
边缘检测是计算机视觉任务的基础.目前的技术主要依赖于深度学习,但是大多数的模型在评价阶段会借助非极大值抑制来提高预测边缘的准确率.该策略仅着重关注预测边缘的准确性,没有同时考虑边缘的粗细程度.针对这一问题,本文基于复杂稠密网络,提出了一种新的特征融合策略.该策略在传统深度学习边缘检测器侧输出的基础上,添加了自顶向下的并置多尺度融合架构.此架构可以更好地将高层的高语义特征与低层的高分辨率纹理特征结合,有效地抑制了边缘预测中存在的背景模糊和伪线条的现…查看全部>>
Edge detection is the basis of many computer vision tasks.Current techniques mainly rely on deep learning,but most models improve the accuracy of predicted edges using Non-Maximum Suppression in the evaluation stage.These models only focus on the accuracy of predicted edges without considering the coarseness and fineness of the edges.To address this issue,this paper proposes a new feature fusion strategy based on the dense extreme inception network.This stra…查看全部>>
党建武;张天胤;田彬
兰州交通大学 电子与信息工程学院,甘肃 兰州 730070兰州交通大学 光电技术与智能控制教育部重点实验室,甘肃 兰州 730070兰州交通大学 电子与信息工程学院,甘肃 兰州 730070
计算机与自动化
边缘检测卷积神经网络注意力机制多尺度融合
edge detectionconvolutional neural networkattention mechanismmulti-scale fusion
《湖南大学学报（自然科学版）》 2024 (8)
13-22,10
国家自然科学基金资助项目(62067006,62367005),National Natural Science Foundation of China(62067006,62367005)甘肃省知识产权计划项目(21ZSCQ013),Gansu Provincial Intellectual Property Project(21ZSCQ013)2022年度中央引导地方科技发展资金项目(22ZY1QA002),Central Government Guides Local Funds Project for Science and Technology Development of Gansu Province in 2022(22ZY1QA002)教育部人文社会科学研究项目(21YJC880085),The Ministry of Education of Humanities and Social Science Project(21YJC880085)
评论