[發明專利]基于深度融合修正網絡的精細邊緣檢測方法、裝置

在審

• 申請號: 201710666537.5
• 申請日: 2017-08-07
• 公開（公告）號: CN107610140A
• 公開（公告）日: 2018-01-19
• 發明（設計）人: 黃凱奇;趙鑫;王裕沛
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: G06T7/13
• 分類號: G06T7/13;G06N3/04;G06N3/08;G06K9/62
• 代理公司: 北京瀚仁知識產權代理事務所(普通合伙)11482
• 代理人: 郭文浩,王世超

1.一種基于深度融合修正網絡的精細邊緣檢測方法，其特征在于，包括以下步驟：

步驟S1，通過卷積神經網絡的前向傳播部分網絡，獲取輸入圖像的多尺度特征；

步驟S2，通過卷積神經網絡的反向修正部分網絡，采取逐漸增大特征分辨率的方法獲取和輸入圖像具有相同分辨率的最終圖像特征；所述逐漸增大特征分辨率的方法為：融合所述輸入圖像的多尺度特征的同時，通過子像素卷積的方法增大特征的分辨率；

步驟S3，將最終圖像特征的特征通道降維為單通道，通過擬合函數生成邊緣檢測結果。

2.根據權利要求1所述的精細邊緣檢測方法，其特征在于，步驟S1所述輸入圖像的多尺度特征，為不同深度的卷積層得到的不同尺度下的圖像特征所組成的特征金字塔。

3.根據權利要求1所述的精細邊緣檢測方法，其特征在于，步驟S2中“采取逐漸增大特征分辨率的方法獲取和輸入圖像具有相同分辨率的最終圖像特征”，其方法為：

對所述特征金字塔中的所有特征，自頂向下的選取相鄰特征，重復步驟S21和步驟S22，直至得到第一層特征的融合特征F₁′；

其中，

步驟S21，給定特征F_n和F_n-1，將尺度較小的特征F_n，通過子像素卷積的方法增大分辨率得到特征F_αn，特征F_αn的尺度與F_n-1一致；其中特征F_n為多尺度特征中第n層的圖像特征；

步驟S22：通過卷積、拼接操作將特征F_αn和F_n-1進行融合，產生第n-1層的融合特征F_βn-1，并將所述特征金字塔中第n-1層的特征替換為F_βn-1。

4.根據權利要求3所述的精細邊緣檢測方法，其特征在于，步驟S22中“通過卷積、拼接操作將特征F_αn和F_n-1進行融合”，其方法包括：

步驟S221，通過卷積操作，將F_αn和F_n-1進行降維，拉近特征通道數，得到特征表達F′_αn和F′_n-1，大小分別為w_n-1×h_n-1×d′_αn和w_n-1×h_n-1×d′_n-1；

步驟S222，將F′_αn和F′_n-1拼接，產生大小為w_n-1×h_n-1×(d′_αn+d′_n-1)的中間特征，再對所述中間特征采用卷積操作，產生大小為w_n-1×h_n-1×d_βn-1的第n-1層的融合特征F_βn-1，并將所述特征金字塔中第n-1層的特征替換為F_βn-1。

5.根據權利要求3所述的精細邊緣檢測方法，其特征在于，步驟S21中所述“給定特征F_n和F_n-1，將尺度較小的特征F_n，通過子像素卷積的方法增大分辨率得到特征F_αn”，其方法為：

步驟S211，通過對特征F_n進行多層卷積操作，生成新特征F_n″，其中F_n″的大小為w_n×h_n×(d_n×r×r)；其中F_n的大小為w_n×h_n×d_n，r為特征F_n-1和F_n的尺度大小的倍數；

步驟S212，對新特征F_n″按照固定順序進行像素重組，得到大小為rw_n×rh_n×d_n的特征F_αn。