多類別的邊緣感知方法在圖像分割中的應(yīng)用
摘要：針對圖像語義分割方法預(yù)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(shè)計一種用于多目標分割的Multi-sigmoid 損失函數(shù),結(jié)合COCO 數(shù)據(jù)集預(yù)訓(xùn)練的FCN+CRF 網(wǎng)絡(luò),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(chǔ)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(xiàn)上采樣以及相鄰尺度之間的特征融合,構(gòu)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(shè)計全局能量函數(shù)并計算最小值,實現(xiàn)分割結(jié)果的進一步優(yōu)化.在2 個標準數(shù)據(jù)集Pascal context 和SIFT Flow 上進行了實驗,結(jié)果表明,該模型的總體性能較為優(yōu)越,可應(yīng)用在圖像語義分割和顯著性目標檢測等相關(guān)領(lǐng)域.
注：因版權(quán)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(shè)計與圖形學(xué)學(xué)報雜志
計算機輔助設(shè)計與圖形學(xué)學(xué)報雜志， 月刊，本刊重視學(xué)術(shù)導(dǎo)向，堅持科學(xué)性、學(xué)術(shù)性、先進性、創(chuàng)新性，刊載內(nèi)容涉及的欄目：綜述、圖形算法與技術(shù)、虛擬現(xiàn)實與計算機動畫、圖像與圖形的融合、VLSI設(shè)計與測試及電子設(shè)計自動化等。于1989年經(jīng)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
