基于多尺度残差网络的对象级边缘检测算法

摘要：

面向对象的边缘检测技术是智能视觉处理领域的关键基础技术,然而目前基于卷积神经网络的边缘检测结果存在分辨率低、噪声较多等问题.因此,文中提出了一种基于多尺度残差网络的对象级边缘检测算法.首先,设计了混合空洞卷积残差块,来替换原始残差网络中的普通卷积核,以放大网络的感受野;然后,设计了多尺度特征增强模块,对边缘信息进行多尺度特征提取,以放大网络的信息接受域;最后,设计了结合顶层语义特征的金字塔多尺度特征融合模块,将不同尺度下的特征信息进行融合,以输出边缘检测后的图像.为了验证所提算法的有效性,在公开数据集BSDS500上进行实验.实验结果表明,与现有算法相比,所提算法具有更好的边缘检测效果,客观指标ODS,OIS和AP分别达到了0.819,0.838和0.849,主观检测效果也更接近真实值,噪声更少.

关键词：残差网络、空洞卷积、多尺度特征增强、金字塔特征融合结构

所属期刊栏目：47

分类号：TP391(计算技术、计算机技术)

资助基金：浙江省自然科学基金;国家自然科学基金

在线出版日期：2020-07-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：144-150