期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于ResNet网络与离散变分自编码器的精细轮廓检测方法
被引量：
2
1
作者
王衢
林川
陈永亮
《广西科技大学学报》
2022年第3期8-13,28,共7页
传统的基于卷积神经网络的轮廓检测方法多为由编码网络和解码网络构成的编解码结构,存在轮廓定位不准确、输出轮廓模糊的问题。为解决这一问题,提出一种基于离散变分自编码器的轮廓检测方法。该方法舍弃了解码网络,利用离散变分自编码...
传统的基于卷积神经网络的轮廓检测方法多为由编码网络和解码网络构成的编解码结构,存在轮廓定位不准确、输出轮廓模糊的问题。为解决这一问题,提出一种基于离散变分自编码器的轮廓检测方法。该方法舍弃了解码网络,利用离散变分自编码器的编码器和解码器分别配合编码网络进行训练和轮廓输出,并设计了带有动态权重的损失函数,用于解决本文方法在训练过程中遇到的类别分布极不均衡的问题。基于BIPED数据集,本文的轮廓精细度实验表明本文方法在更严格的评估标准下优于最新方法DexiNed。在一般的评估标准下,本文方法的ODS F-measure能够达到0.889,比最新方法DexiNed提高了3.0%。研究结果表明,对离散变分自编码器的利用不仅能帮助模型提高轮廓精细度,也能显著提高模型的轮廓检测性能。
展开更多
关键词
轮廓检测
深度学习
离散变分自编码器
计算机视觉
交叉熵损失函数
在线阅读
下载PDF
职称材料
题名
基于ResNet网络与离散变分自编码器的精细轮廓检测方法
被引量：
2
1
作者
王衢
林川
陈永亮
机构
广西科技大学电气电子与计算机科学学院
出处
《广西科技大学学报》
2022年第3期8-13,28,共7页
基金
国家自然科学基金项目(61866002)
广西自然科学基金项目(2020GXNSFDA297006,2018GXNSFAA138122,2015GXNSFAA139293)广西科技大学研究生教育创新计划项目(GKYC202101)资助。
文摘
传统的基于卷积神经网络的轮廓检测方法多为由编码网络和解码网络构成的编解码结构,存在轮廓定位不准确、输出轮廓模糊的问题。为解决这一问题,提出一种基于离散变分自编码器的轮廓检测方法。该方法舍弃了解码网络,利用离散变分自编码器的编码器和解码器分别配合编码网络进行训练和轮廓输出,并设计了带有动态权重的损失函数,用于解决本文方法在训练过程中遇到的类别分布极不均衡的问题。基于BIPED数据集,本文的轮廓精细度实验表明本文方法在更严格的评估标准下优于最新方法DexiNed。在一般的评估标准下,本文方法的ODS F-measure能够达到0.889,比最新方法DexiNed提高了3.0%。研究结果表明,对离散变分自编码器的利用不仅能帮助模型提高轮廓精细度,也能显著提高模型的轮廓检测性能。
关键词
轮廓检测
深度学习
离散变分自编码器
计算机视觉
交叉熵损失函数
Keywords
contour detection
deep learning
discrete variational auto-encoder
computer vision
cross-entropy loss function
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于ResNet网络与离散变分自编码器的精细轮廓检测方法
王衢
林川
陈永亮
《广西科技大学学报》
2022
2
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
