[發明專利]一種基于多尺度特征解碼的圖像輪廓檢測方法

有效

• 申請號: 201810575641.8
• 申請日: 2018-06-06
• 公開（公告）號: CN109035251B
• 公開（公告）日: 2022-05-27
• 發明（設計）人: 范影樂;張明琦;武薇;蔣涯
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06T7/10
• 分類號: G06T7/10;G06N3/04;G06N3/08
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 朱月芬

1.一種基于多尺度特征解碼的圖像輪廓檢測方法，其特征在于，該方法具體包括以下步驟：

步驟(1)構建特征提取模塊用于提取圖像多尺度特征；

特征提取模塊由八個卷積層和四個下采樣層串聯組成；每兩個卷積層和一個下采樣層構成一個特征提取基本單元，共有4個特征提取基本單元，因此圖像經過特征提取模塊后能得到一組多尺度特征F₁,F₂,F₃,F₄；

步驟(2)將特征提取模塊的輸出作用于損失層；

利用1×1-1卷積將特征提取模塊最后一層的多尺度特征F₄轉變為單通道特征圖然后經過sigmod函數激活后，與對應訓練圖像的已知標簽進行損失運算，結果記為loss₁；

步驟(3)構建多尺度特征解碼模塊；

將步驟(1)中的多尺度特征F₁,F₂,F₃,F₄送入特征解碼模塊；特征解碼模塊以金字塔形式從下往上搭建，首先通過線性插值法將特征F₁,F₂,F₃,F₄縮放到原圖像大小，并將其作為第一層特征對分別做卷積運算，得到然后將中相鄰的兩個特征，即F₁¹和和和中位于同一位置的像素點相加起來，并對相加后的特征再做卷積運算，得到一組特征按上述方式循環搭建解碼模塊，直到獲得最后的單通道特征圖F₁⁴；

步驟(4)將特征解碼模塊的單通道特征F₁⁴經過sigmod函數激活后，與對應訓練圖像的已知標簽進行損失運算，結果記為loss₂；將loss₁和loss₂按權重相加得到最后總損失值Loss，根據總損失值Loss對模型進行反向傳播，利用梯度下降法迭代更新整個模型的權重和偏置，使其收斂，獲得訓練模型；

步驟(5)對測試圖像進行4個尺度變換，將變換結果分別輸入步驟(4)獲得的訓練模型，在特征解碼模塊中輸出每個尺度下的輪廓響應，然后將輪廓響應插值恢復到與原圖一致的尺寸，并進行融合運算，最后得到輪廓的檢測結果。