歡迎來到優(yōu)發(fā)表網！
多類別的邊緣感知方法在圖像分割中的應用
作者：董子昊; 邵秀麗 南開大學計算機與控制工程學院; 天津300071; 南開大學計算智能與數據工程研究室; 天津300071
摘要：針對圖像語義分割方法預測出的目標大多存在邊緣模糊和準確度較低的問題,提出多類別邊緣感知的圖像分割方法.首先設計一種用于多目標分割的Multi-sigmoid 損失函數,結合COCO 數據集預訓練的FCN+CRF 網絡,建立可優(yōu)化類別邊界的語義分割模型;然后在全局嵌套邊緣檢測(HED)模型的基礎上,增加自底向上的信息解碼部分,利用亞像素(subpixel)的圖像增強算法實現上采樣以及相鄰尺度之間的特征融合,構建出可用于邊緣檢測的深度多尺度編解碼模型(MSDF);最后將FCN+CRF 提取到的分割信息作為一元勢, MSDF 檢測到的邊緣特征作為二元勢,設計全局能量函數并計算最小值,實現分割結果的進一步優(yōu)化.在2 個標準數據集Pascal context 和SIFT Flow 上進行了實驗,結果表明,該模型的總體性能較為優(yōu)越,可應用在圖像語義分割和顯著性目標檢測等相關領域.
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社。
計算機輔助設計與圖形學學報雜志
計算機輔助設計與圖形學學報雜志， 月刊，本刊重視學術導向，堅持科學性、學術性、先進性、創(chuàng)新性，刊載內容涉及的欄目：綜述、圖形算法與技術、虛擬現實與計算機動畫、圖像與圖形的融合、VLSI設計與測試及電子設計自動化等。于1989年經新聞總署批準的正規(guī)刊物。
- 北大期刊
- CSCD期刊
- 統(tǒng)計源期刊
- 1-3個月審核
