摘要
针对目前边缘检测算法因过于依赖全连接层,使得边缘线条粗糙,且损失函数设定不当,造成梯度消失和大量主要特征信息丢失等问题,提出了基于卷积神经网络的交叉融合边缘检测算法.该算法利用1×1多卷积核的梯度方式来降维,完成横纵向图像低级与高级特征对象的采集;然后通过自上而下和自左向右循环卷积流向方式,保证每层的损失函数可以较平稳地前向和反向传播;最后利用跨层交叉融合对图像边缘特征进行细化.实验结果表明,该算法在伯克利大学数据集(BSDS500)上最优数据集规模(ODS)F-measure为0.806,接近人类平均视觉感知.
基金项目
国家自然科学基金(61701060)
重庆市基础科学与前沿技术研究专项项目(cstc2017jcyjAX0007)
重庆工程学院高科技人才计划项目(2019gckv04)
重庆工程学院校内科研基金(2019xzky06)
重庆市教委科学技术研究青年项目(KJQN201901907)
重庆工程学院校内科研基金()
国家科技期刊平台
NSTL
维普
万方数据