复杂稠密网络下的并置多尺度融合边缘检测模型 被引量：2

1

作者 党建武 张天胤 田彬 《湖南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2024年第8期13-22,共10页

边缘检测是计算机视觉任务的基础.目前的技术主要依赖于深度学习,但是大多数的模型在评价阶段会借助非极大值抑制来提高预测边缘的准确率.该策略仅着重关注预测边缘的准确性,没有同时考虑边缘的粗细程度.针对这一问题,本文基于复杂稠密... 边缘检测是计算机视觉任务的基础.目前的技术主要依赖于深度学习,但是大多数的模型在评价阶段会借助非极大值抑制来提高预测边缘的准确率.该策略仅着重关注预测边缘的准确性,没有同时考虑边缘的粗细程度.针对这一问题,本文基于复杂稠密网络,提出了一种新的特征融合策略.该策略在传统深度学习边缘检测器侧输出的基础上,添加了自顶向下的并置多尺度融合架构.此架构可以更好地将高层的高语义特征与低层的高分辨率纹理特征结合,有效地抑制了边缘预测中存在的背景模糊和伪线条的现象.在特征连接处使用Concat block块代替单一的Concat操作,更好地融合了不同尺度的语义信息.最后使用一个简单的注意力融合块融合多个网络输出,并结合跟踪损失对输出的不同尺度的预测图进行深度监督.此方法不依赖于非极大值抑制,并且充分利用了目标的多尺度、多层次信息,在精细边缘图像的同时也提升了预测的准确性.实验结果显示,在未使用和使用形态学非极大值抑制方案的情况下,所提出的模型在BIPED数据集上的ODS、OIS、AP分别达到了0.891、0.895、0.900和0.894、0.899、0.931,优于所有比较算法.在MDBD的数据集上也取得了最优的结果. 展开更多

关键词 边缘检测 卷积神经网络 注意力机制 多尺度融合

在线阅读 下载PDF 职称材料

基于双分支边缘卷积融合网络的红外与可见光图像融合方法

2

作者 张鸿德 冯鑫 +1 位作者 杨杰铭 邱国航 《光子学报》 EI CAS CSCD 北大核心 2024年第8期287-298,共12页

提出一种基于双分支边缘卷积融合网络的红外与可见光图像融合方法。首先,提出一种改进的双分支边缘卷积结构,将图像包含的信息分解为公共信息和模态信息,并于每个分支引入边缘卷积块,更好的提取深度特征;然后在融合层引入卷积注意力模... 提出一种基于双分支边缘卷积融合网络的红外与可见光图像融合方法。首先,提出一种改进的双分支边缘卷积结构,将图像包含的信息分解为公共信息和模态信息,并于每个分支引入边缘卷积块,更好的提取深度特征;然后在融合层引入卷积注意力模块对模态特征进行增强;最后基于所本文编解码网络特点,提出一种重建损失结合融合损失的损失函数。经过大量的消融性实验和对比实验表明,本文方法能够很好的保留原图像中的公共信息和模态信息,并且相比目前最新的融合方法在主观和客观评价上都具有优秀的综合性能。 展开更多

关键词 红外与可见光图像融合 双分支边缘卷积融合网络 深度学习 边缘卷积块 卷积注意力

在线阅读 下载PDF 职称材料

双特征流融合和边界感知的显著性目标检测 被引量：2

3

作者 杨鑫 朱恒亮 毛国君 《计算机工程与应用》 CSCD 北大核心 2024年第10期227-236,共10页

显著性目标检测是计算机视觉领域的热门研究方向之一,许多基于深度学习的检测算法虽然已经取得了显著的成果,但是仍然存在待测目标漏检误检和边界模糊等问题。针对这些问题提出了一种基于双特征流融合和边界感知的目标检测算法,通过改... 显著性目标检测是计算机视觉领域的热门研究方向之一,许多基于深度学习的检测算法虽然已经取得了显著的成果,但是仍然存在待测目标漏检误检和边界模糊等问题。针对这些问题提出了一种基于双特征流融合和边界感知的目标检测算法,通过改变输入图像尺寸来丰富多尺度信息,并自顶向下逐层聚合特征得到精细的预测结果。首先将输入图像调整为两种不同分辨率分别送入编码器,提取丰富的多层级特征形成双特征流;其次将双特征流自顶向下逐层融合,生成由粗到细的显著图;最后构建了边界感知结构,凭借上下文语义信息的指导生成精细的物体轮廓。在五个公开数据集上进行了大量实验,实验结果表明,所提算法在结构相似性(Sm)等多个指标上取得了更高的检测精度,生成的显著图目标完整且边缘清晰。 展开更多

关键词 显著性目标检测 全卷积神经网络 多尺度学习 双特征流融合 边界感知

在线阅读 下载PDF 职称材料

一种用于方面级情感分析的知识增强双图卷积网络 被引量：2

4

作者 万宇杰 陈羽中 《小型微型计算机系统》 CSCD 北大核心 2024年第1期37-44,共8页

近年来,深度神经网络特别是图神经网络在方面级情感分析任务上取得了较大进展,但是仍存在未充分利用外部知识信息、句法依赖树的边关系信息以及知识图谱结构信息的缺陷.针对上述问题,本文提出了一种知识增强的双图卷积网络BGCN-KE(Knowl... 近年来,深度神经网络特别是图神经网络在方面级情感分析任务上取得了较大进展,但是仍存在未充分利用外部知识信息、句法依赖树的边关系信息以及知识图谱结构信息的缺陷.针对上述问题,本文提出了一种知识增强的双图卷积网络BGCN-KE(Knowledge-enhanced Bi-Graph Convolutional Network).首先,提出一种融合句法依赖关系与外部知识的子图构造算法,得到节点间语义关系更紧密的知识子图.其次,提出了双图卷积网络,分别利用两个图卷积网络在句法依赖知识子图中引导评论文本的节点学习邻接节点的外部知识,以及在评论文本的句法依赖图中融合特定方面相关的语义信息,从而增强评论文本的特定方面知识表示和语义表示.再次,BGCN-KE引入边关系注意力机制,更好地捕获特定方面和上下文词语间的语义关系.最后,提出了一种多级特征融合机制,充分融合特定方面相关的外部知识、语义信息和边关系特征.多个公共数据集上的实验证明,BGCN-KE的性能优于最新的对比模型. 展开更多

关键词 图卷积网络 知识图谱 多级特征融合 边关系注意力 方面级情感分析

在线阅读 下载PDF 职称材料

结合感知边缘约束与多尺度融合网络的图像超分辨率重建方法 被引量：5

5

作者 欧阳宁 韦羽 林乐平 《计算机应用》 CSCD 北大核心 2020年第10期3041-3047,共7页

针对图像超分辨率重建模型需要大量参数去捕获低分辨率(LR)图像和高分辨率(HR)图像之间的统计关系,以及使用L1或L2损失优化的网络模型不能有效恢复图像高频细节等问题,提出一种结合感知边缘约束与多尺度融合网络的图像超分辨率重建方法... 针对图像超分辨率重建模型需要大量参数去捕获低分辨率(LR)图像和高分辨率(HR)图像之间的统计关系,以及使用L1或L2损失优化的网络模型不能有效恢复图像高频细节等问题,提出一种结合感知边缘约束与多尺度融合网络的图像超分辨率重建方法。该方法基于由粗到细的思想,设计了一种两阶段的网络模型。第一阶段通过卷积神经网络(CNN)提取图像特征,并将图像特征上采样至HR大小,得到粗糙特征;第二阶段使用多尺度估计将低维统计模型逐步逼近高维统计模型,将第一阶段输出的粗糙特征作为输入来提取图像多尺度特征,并通过注意力融合模块逐步融合不同尺度特征,以精细化第一阶段提取的特征。同时,该方法引入一种更丰富的卷积特征用于边缘检测,并将其作为感知边缘约束来优化网络,以更好地恢复图像高频细节。在Set5、Set14和BSDS100等基准数据集上进行实验,结果表明与现有的基于CNN的超分辨率重建方法相比,该方法不但能够重建出更为清晰的边缘和纹理,而且在×3和×4放大因子下的峰值信噪比(PSNR)和结构相似度(SSIM)都取得了一定的提升。 展开更多

关键词 卷积神经网络 多尺度 注意力融合 感知边缘约束 超分辨率重建

在线阅读 下载PDF 职称材料

全局融合卷积神经网络的边缘分类的人脸性别识别 被引量：1

6

作者 吴军 邱阳 卢忠亮 《现代电子技术》 北大核心 2019年第18期177-181,186,共6页

人脸性别识别是人脸识别领域研究的热门课题.为了进一步提高人脸性别识别的准确率,在传统的融合模型基础上,提出一种新型全局融合卷积神经网络模型(NFDCNN).在NFDCNN模型结构上,每两采样层之间的卷积层在卷积特征提取之前融合前一级的... 人脸性别识别是人脸识别领域研究的热门课题.为了进一步提高人脸性别识别的准确率,在传统的融合模型基础上,提出一种新型全局融合卷积神经网络模型(NFDCNN).在NFDCNN模型结构上,每两采样层之间的卷积层在卷积特征提取之前融合前一级的子采样特征,这种方法可以保留原始的特征信息同时与深层纹理融合,具有高度的还原度,缩小网络误差.NFDCNN模型分类函数在常规的Softmax上做了改进,引入了区域边缘分类函数AM-Softmax,该分类函数在归类上是以一块区域为界限来划分,挤压同类,扩大类间距离,缩小类内距离.实验是在不同的人脸数据集上采用该模型方法与其他先进方法对比,验证了提出的NFDCNN模型分类识别是有效的. 展开更多

关键词 人脸性别识别 卷积神经网络 全局融合 纹理融合 边缘分类 模型验证

在线阅读 下载PDF 职称材料

融合卷积特征的清晰边缘检测研究 被引量：2

7

作者 王兵 黄刚 张兴鹏 《计算机科学与探索》 CSCD 北大核心 2023年第9期2148-2160,共13页

受益于卷积神经网络(CNN),边缘检测性能在多个基准数据集上都已经超过人类水平。但这类算法无法保证边缘的清晰性和定位的准确性。为获取细化清晰、有效抑制背景纹理、定位准确的目标边缘图,提出了一种融合卷积特征的清晰边缘检测算法(F... 受益于卷积神经网络(CNN),边缘检测性能在多个基准数据集上都已经超过人类水平。但这类算法无法保证边缘的清晰性和定位的准确性。为获取细化清晰、有效抑制背景纹理、定位准确的目标边缘图,提出了一种融合卷积特征的清晰边缘检测算法(FCF)。该算法使用VGG16作为主干网络进行卷积特征提取,将不同阶段的卷积特征上采样后进行特征融合,并通过所设计的细化融合模块(RFB)获得清晰的边缘图。RFB使用多个归一化细化块(GRB)来细化得到的边缘图。此外,为平衡边缘像素和非边缘像素,还提出一个细化骰子损失函数(RD)。在BSDS500数据集上,所提方法将HED、RCF等深度边缘检测器的F-score(ODS)分别提高了2.8%和2.1%;当不使用非极大值抑制(NMS)进行边缘检测评估时,F-score(ODS)、F-score(OIS)分别达到0.801和0.816,超过了其他算法。 展开更多

关键词 清晰边缘检测 融合卷积特征(FCF) 细化骰子损失(RD) 卷积神经网络(CNN)

在线阅读 下载PDF 职称材料

基于卷积神经网络的边缘保真图像去噪算法 被引量：21

8

作者 刘一畅 马伟 +1 位作者 徐士彪 张晓鹏 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2020年第11期1822-1831,共10页

现有图像去噪算法在去除噪声的同时,容易导致边缘过度光滑.为解决该问题,提出一种基于卷积神经网络的边缘保真去噪算法,它由基准去噪模块和基于多特征融合的边缘提取模块组成.首先,针对基准去噪模块所得结果,采用边缘提取网络提取边缘细... 现有图像去噪算法在去除噪声的同时,容易导致边缘过度光滑.为解决该问题,提出一种基于卷积神经网络的边缘保真去噪算法,它由基准去噪模块和基于多特征融合的边缘提取模块组成.首先,针对基准去噪模块所得结果,采用边缘提取网络提取边缘细节;进而,通过多层次边缘损失代价最小化,反向优化基准去噪网络去噪性能,引导其生成具有更多边缘细节信息的干净图像.在PyTorch环境下用常见的图像去噪数据集Set5,Set14,Kodak,McMaster,RNI15以及跨类型医学图像数据集上测试所提出算法,并与FFDNet等去噪算法进行对比.实验结果表明,所提出算法峰值信噪比值等指标均高于其他对比算法;在视觉效果上,所提出算法能够保留更多边缘细节和纹理特征,得到的去噪后图像更加清晰. 展开更多

关键词 图像去噪 边缘提取 卷积神经网络 多特征融合

在线阅读 下载PDF 职称材料

结合边缘检测的语义分割算法 被引量：8

9

作者 王囡 侯志强 +2 位作者 赵梦琦 余旺盛 马素刚 《计算机工程》 CAS CSCD 北大核心 2021年第7期257-265,共9页

针对语义分割中目标边缘模糊与分割不准确的问题,提出一种结合边缘检测的语义分割网络。整个网络由边缘检测网络和语义分割网络并行组成。利用边缘检测网络与语义分割网络分别提取图像的边缘特征和初步的语义分割特征,通过特征融合模块... 针对语义分割中目标边缘模糊与分割不准确的问题,提出一种结合边缘检测的语义分割网络。整个网络由边缘检测网络和语义分割网络并行组成。利用边缘检测网络与语义分割网络分别提取图像的边缘特征和初步的语义分割特征,通过特征融合模块将边缘特征和语义分割特征进行融合,得到最终的语义分割结果。在CamVid数据集和Cityscapes数据集上的实验结果表明,与SegNet算法相比,该算法平均交并比分别提升了1.5和1.8个百分点,验证了所提算法的有效性。 展开更多

关键词 卷积神经网络 全卷积网络 语义分割 边缘检测 特征融合

在线阅读 下载PDF 职称材料

基于深度学习的图像边缘检测算法综述 被引量：55

10

作者 李翠锦 瞿中 《计算机应用》 CSCD 北大核心 2020年第11期3280-3288,共9页

边缘检测是将图像中的突变的重要信息提取出来的过程,是计算机视觉领域研究热点,也是图像分割、目标检测与识别等多种中高层视觉任务的基础。近几年来,针对边缘轮廓线过粗以及检测精度不高等问题,业内提出了谱聚类、多尺度融合、跨层融... 边缘检测是将图像中的突变的重要信息提取出来的过程,是计算机视觉领域研究热点,也是图像分割、目标检测与识别等多种中高层视觉任务的基础。近几年来,针对边缘轮廓线过粗以及检测精度不高等问题,业内提出了谱聚类、多尺度融合、跨层融合等基于深度学习的边缘检测算法。为了使更多研究者了解边缘检测的研究现状,首先,介绍了传统边缘检测的实现理论及方法;然后,总结了近年来基于深度学习的主要边缘检测方法,并依据实现技术对这些方法进行了分类,对其涉及的关键技术进行分析,发现对多尺度多层次融合与损失函数的选择是重要的研究方向。通过评价指标对各类方法进行了比较,可知边缘检测算法在伯克利大学数据集(BSDS500)上的最优数据集规模(ODS)经过多年研究从0.598提高到了0.828,接近人类视觉水平。最后,展示了边缘检测算法研究的发展方向。 展开更多

关键词 边缘检测 深度学习 卷积神经网络 损失函数 多尺度融合

在线阅读 下载PDF 职称材料

基于交互式卷积神经网络的立体图像质量评价 被引量：1

11

作者 朱晨雨 张闯 +1 位作者 乔丹 史玉华 《计算机应用与软件》 北大核心 2023年第12期230-236,311,共8页

目前立体图像质量评价算法缺乏可靠的预测性能,主要表现在研究人类视觉系统时生物学理论薄弱,并且已有的浅层模型无法模拟出视觉信息复杂的处理过程。针对上述问题,提出一种基于交互式卷积神经网络的无参考立体图像质量评价算法。根据... 目前立体图像质量评价算法缺乏可靠的预测性能,主要表现在研究人类视觉系统时生物学理论薄弱,并且已有的浅层模型无法模拟出视觉信息复杂的处理过程。针对上述问题,提出一种基于交互式卷积神经网络的无参考立体图像质量评价算法。根据初级视觉区域的双目视觉机制,融合左、右视图生成独眼特征图,并采用高斯差分算法提取左、右视图边缘信息,计算边缘求和以及差分特征图;搭建交互式卷积神经网络,整合特征图,实现深度特征学习和质量回归预测。在LIVE立体图像库上的Pearson线性相关系数(Pearson Linear Correlation Coefficient,PLCC)达到0.95以上,结果表明采用该算法能有效地解决失真立体图像质量评价问题。 展开更多

关键词 立体图像质量评价 人类视觉 交互式卷积神经网络 图像融合 边缘特征

在线阅读 下载PDF 职称材料

基于深度融合卷积神经网络的图像边缘检测 被引量：4

12

作者 石昌友 孙强 +1 位作者 卢建平 周静 《现代电子技术》 2022年第24期141-144,共4页

图像边缘检测是数字图像分析领域的一项重要研究内容。受图像拍摄条件、图像内容自身复杂性、图像内容与背景接近程度等多种因素的影响,图像的边缘线检测容易发生漏检、误检。针对此问题,文中提出一种卷积神经网络结构算法,以提升图像... 图像边缘检测是数字图像分析领域的一项重要研究内容。受图像拍摄条件、图像内容自身复杂性、图像内容与背景接近程度等多种因素的影响,图像的边缘线检测容易发生漏检、误检。针对此问题,文中提出一种卷积神经网络结构算法,以提升图像边缘检测效果和质量。首先,对输入图像提取出五类不同层次水平、尺度的卷积特征;然后,按照相邻尺度将每三类卷积特征分成一组,通过逐步转置的方式依次尺寸对齐再融合;再对三组融合结果特征进行二次深度融合;最后,基于融合卷积特征并运用卷积操作实现边缘线检测,采用指标Optimal Dataset Scale(ODS)、Optimal Image Scale(OIS)、Average Precision(AP)度量图像边缘检测的质量。结果表明:在BSDS500数据集上,ODS、OIS、AP三个指标的得分分别为0.815,0.832,0.851;在NYUD数据集上,得分分别为0.7620,0.7700,0.7819。与其他同类算法相比,所提算法指标分值更高,能够提升图像边缘检测质量。 展开更多

关键词 图像边缘检测 卷积神经网络 卷积特征提取 图像分析 深度融合 跨越连接

在线阅读 下载PDF 职称材料

基于深度可分离选择性残差网络的真实图像增强算法

13

作者 温剑 邵剑飞 邵建龙 《现代电子技术》 2023年第7期52-56,共5页

图像去噪作为低级视觉任务,在图像处理领域常被重点研究。针对图像去噪网络训练周期长和图像纹理细节模糊的问题,为提升图像去噪效果,减少训练参数量,缩短训练周期,提出了一种改进M⁃Net网络融合深度可分离卷积及选择性残差网络的图像盲... 图像去噪作为低级视觉任务,在图像处理领域常被重点研究。针对图像去噪网络训练周期长和图像纹理细节模糊的问题,为提升图像去噪效果,减少训练参数量,缩短训练周期,提出了一种改进M⁃Net网络融合深度可分离卷积及选择性残差网络的图像盲去噪方法。所提方法在两个合成数据集和两个真实世界噪声数据集上的定量指标及视觉质量评价均达到对比去噪算法的性能,同时具有更小的FLOPs。 展开更多

关键词 图像增强 图像盲去噪 残差网络 视觉质量评价 特征融合 深度可分离卷积 去噪模型 图像边缘保护

在线阅读 下载PDF 职称材料

基于轻量级网络和边缘校正的多聚焦图像融合方法

14

作者 于桐 郭利 王卫国 《现代电子技术》 2022年第13期28-34,共7页

野战条件下部队装备维修抢修技术力量有限,需要后方技术专家进行远程支持,为解决远程支持专家实时、全面观察维修现场环境的问题,提出一种基于轻量级神经网络和边缘校正的多聚焦图像融合方法。第一级融合使用改进的轻量级神经网络模型... 野战条件下部队装备维修抢修技术力量有限,需要后方技术专家进行远程支持,为解决远程支持专家实时、全面观察维修现场环境的问题,提出一种基于轻量级神经网络和边缘校正的多聚焦图像融合方法。第一级融合使用改进的轻量级神经网络模型对图像补丁进行分类,将输出结果重构成初级决策图,划分出主聚焦区域;第二级融合使用一种改进的边缘检测算法,生成边缘引导图对初级决策图进行边缘校正,获得良好的融合边缘。选取cifar⁃10数据集中的自然图像进行特殊处理,模拟边界模糊情况,创建多尺度模糊数据集。实验结果表明,该融合方法参数量少、模型体积小、收敛速度快,经过两个阶段的处理,图像细节保有度高,融合边界效果良好,在主观视觉和客观评估方面优于其他融合方法,能够满足维修任务需要。 展开更多

关键词 图像融合 轻量级网络 边缘校正 装备维修 深度可分离卷积 边缘检测 融合规则

在线阅读 下载PDF 职称材料