Richer Convolutional Features for Edge Detection论文笔记

最新推荐文章于 2023-05-05 22:51:39 发布
最新推荐文章于 2023-05-05 22:51:39 发布
阅读量3.6k 收藏 6
点赞数
分类专栏： 论文笔记 文章标签： rcf 边缘检测
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Xiong_Sun/article/details/81165088
版权
本文探讨了如何使用CNN进行边缘检测，特别是在BSD500数据集上的应用。通过结合高层和底层特征，提出了一种利用FPN思想的边缘检测方法。在优化损失函数后，在BSDS500基准上达到了ODS F-measure 0.811的优秀效果。网络结构基于VGG16，并采用特定的融合和降维策略。此外，还改进了处理多个标注者信息的方法，提升了检测性能。
摘要由CSDN通过智能技术生成

总结

使用CNN进行边缘检测，主要在数据库BSD500实验。主要贡献如下：

  1. 网络开始阶段，细节边缘丰富。网络后续阶段，细节（内部）边缘减少，轮廓信息更明显。所以利用FPN思想结合高层和底层的Feature Map进行边缘检测。
  2. 优化LOSS FUNCTION，使其更具有一般性。

在BSDS500 benchmark，得到 ODS F-measure 0.811 (8FPS)

简化版本ODS F-measure 0.806 （30FPS）

得到2017年最好边缘检测的效果。

网络结构

网络主干为VGG16， 每个ConvGroup即一个stage后接pooling下采样。

每个stage的各个conv层后接1x1conv降维，再将group中所有降维后的feature maps相加（eltwise）得到融合特征。再接一个deconv恢复尺寸记为Stage feature map，用其计算loss。

最后阶段concat每个stage得到的Stage feature map，然后接一个1x1conv降维，计算loss。

网络具体结构及感受野如下表格所示

最低0.47元/天 解锁文章
sgx_hit
关注
专栏目录
Richer Convolutional Features for Edge Detection 论文阅读
Doublle Tree的博客
01-11 4779
Richer Convolutional Features for Edge Detection是2017年cvpr中一篇边缘检测文章，准备以此为基础，1）了解深度学习中边缘检测的发展；2）如何使用深度神经网络进行边缘检测，3）思考应用到医学图像中的可能性。 介绍 边缘检测是计算机视觉中的经典问题。传统方法通过局部的亮度、颜色、梯度和纹理或者其他人工设计特征进行边缘或者非边缘的分类。G
【论文阅读】Richer Convolutional Features for Edge Detection（2017）
轻舟的万重重山
06-25 433
Liu, Y., Cheng, M. M., Hu, X., Wang, K., & Bai, X. (2017). Richer convolutional features for edge detection. In Proceedings of the IEEE conference on computer vision and pattern recognition (pp. 3000-3009). 原文地址 代码地址 文章目录摘要模型1.模型结构2.损失函数测试时的多尺度融合技巧结果
CNN边缘检测--Richer Convolutional Features for Edge Detection
浩瀚之水的专栏
08-09 3684
Richer Convolutional Features for Edge Detection CVPR2017 Caffe：https://github.com/yun-liu/rcf 本文针对边缘检测问题，基于 VGG16 网络设计了一个 richer convolutional features (RCF) 用于边缘检测，效果目前是很好的。 首先来看看 VGG16不同卷积层的特征输出 ...
【边缘检测】RCF: Richer Convolutional Features for Edge Detection
呆呆的猫的博客
04-26 2682
文章目录一、背景二、网络结构三、和 HED[16] 的不同 一、背景 边缘检测是视觉任务中非常基础的任务，现有的基于CNN的边缘检测方法有两个明显的问题： 现有的方法大多只使用CNN的最后一层conv的结果，忽略了中间层的结果 更多的方法集中在探究更深的CNN，但边缘检测是数据比较少，而且容易发生梯度消失的现象 本文的出发点如下图所示，不同卷积层获得的结果随着深度增加而更加粗糙 本文motivation：充分使用所有CNN层的结果 提出的方法：richer convolutional feature
Richer Convolutional Features for Edge Detection
11-09
In this paper, we propose an accurate edge detector using richer convolutional features (RCF). Since objects in natural images possess various scales and aspect ratios, learning the rich hierarchical representations is very critical for edge detection. CNNs have been proved to be effective for this task. In addition, the convolutional features in CNNs gradually become coarser with the increase of the receptive fields. According to these observations, we attempt to adopt richer convolutional features in such a challenging vision task. The proposed network fully exploits multiscale and multilevel information of objects to perform the image-to-image prediction by combining all the meaningful convolutional features in a holistic manner. Using VGG16 network, we achieve state-of-the-art performance on several available datasets. When evaluating on the well-known BSDS500 benchmark, we achieve ODS F-measure of 0.811 while retaining a fast speed (8 FPS). Besides, our fast version of RCF achieves ODS F-measure of 0.806 with 30 FPS.
论文见解之RCF：Richer Convolutional Features for Edge Detection
无奈的小心酸的博客
12-18 9560
论文名：Richer Convolutional Features for Edge Detection code：https://github.com/yun-liu/rcf 这是cvpr2017的一篇文章，方向是边界分割，在这个语义分割横行的领域，边界分割的论文已经不多了，不过这篇论文着实不错 好的，话不多说，看看论文是怎么做的 其实这篇论文算是HED的加强版，
Richer Edge南开: Richer Convolutional Features for Edge Detection
计算机视觉
11-16 675
题目：Richer Convolutional Features for Edge Detection 作者：Yun Liu, Ming-Ming Cheng, Xiaowei Hu, Jia-Wang Bian, Le Zhang, Xiang Bai, and Jinhui Tang 刊物：IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MAC...
轮廓检测论文解读 | Richer Convolutional Features for Edge Detection | CVPR | 2017
忽逢桃林的博客
12-15 621
有什么问题可以加作者微信讨论，cyx645016617 上千人的粉丝群已经成立，氛围超好。为大家提供一个遇到问题有可能得到答案的平台。 0 概述 论文名称：“Richer Convolutional Features for Edge Detection” 论文链接：https://openaccess.thecvf.com/content_cvpr_2017/papers/Liu_Richer_Convolutional_Features_CVPR_2017_paper.pdf 缩写：RCF 这一篇文
Richer Convolutional Features for Edge
10-31
最近，南开大学提出一种边缘检测和图像分割算法，被称为首个在图像分割数据集BSDS500上F值（F-Feature）超越数据集本身人工标注平均值的实时算法。目前算法已经开源，跟着本文一起了解下。压缩包里有文档也有代码，还有博客地址。
Richer Convolutional Feature for Edge Detection
FengF2017的博客
03-11 469
Richer Convolutional Feature for Edge Detection 文章链接为Richer Convolutional Feature for Edge Detection 这篇文章通过结合所有有意义的卷积的feature，更好地利用multi-scale和multilevel信息。 网络结构 文章中网络设计的出发点为不同层feature包含的信息不同。越深层的feat...
边缘检测：更丰富的卷积特征 Richer Convolutional Features for Edge Detection
ruotianxia的博客
08-25 4369
边缘检测：更丰富的卷积特征 Richer Convolutional Features for Edge DetectionSource code and paper addressAbstract1. 经典边缘检测2. 作者的观点3. Richer Convolutional Features (RCF)4. Annotator-robust Loss Function5. 多尺度分层边缘检测...
Richer Convolutional Features for Edge Detection(RCF)阅读笔记
ThisisWilli
10-17 481
网络结构 ​ 每个卷积层捕获的有用信息随着其接受域大小的增加而变得更粗糙，随着网络深入receptive field逐渐增大，网络基于VGG16做了以下几点更改 作者切断了所有完全连接层和VGG16网络每个卷积层的最大池化层，删除全连接层是已经为与作者的网络设计不一致，而删除池化层是应为，池化层会使步幅增加两倍，不利于边缘定位 将VGG的每个stage的卷积层都连接到一个卷积层中，该conv...
Convolutional Channel Features 论文阅读
XGT_520的博客
03-21 735
2015年ICCV的论文Github:https://github.com/byangderek/CCFpaper:https://arxiv.org/abs/1504.07339一、Abstract        论文认为深度学习网络结构的复杂性，以及对计算资源的耗费阻碍了实际算法的实际应用，提出将filtered channel feature与CNN网络进行组合，形成一种新的算法结构——CC...
保姆级 边缘检测评价OIS、ODS、PR曲线绘制 ——在自己的数据集上
pannijigou的博客
11-21 3418
边缘检测评估
【数字图像处理】边缘检测
最新发布
专注人工智能，主攻CV
05-05 2849
边缘检测是一种图像处理技术，旨在标识和定位数字图像中的边缘和轮廓。边缘是图像中灰度值变化明显的位置，通常是物体的边缘或表面的变化。通过边缘检测算法，可以将图像中的物体和背景分离出来，从而实现目标检测、图像分割、计算机视觉和机器人视觉等应用。边缘检测算法的基本原理是在数字图像中寻找灰度变化的位置。其中，最常见的方法是基于图像梯度的边缘检测算法，如Sobel算子、Prewitt算子、Roberts算子和Canny算子等。
关于边缘检测任务Edge Detection任务评价指标中ODS-F/OIS-F的理解
AAAAshin的博客
08-16 8303
Intro 目前在做边缘检测，关于评估方法里面的指标ODS-F/OIS-F理解一直比较模糊，网上搜索相关解析也不太明白，这段时间恰好看了一下文献，加深了一下理解，故写本文分享一下，错误之处还烦请批评指正。 PS.最好的方法是查看CVPR 2017文章Richer Convolutional Features for Edge Detection，可以跳转至4 Experiments on edge detection，或者在文中搜索关键词: edge probability map / ODS / OIS.
边缘检测之RCF
如果想成为中心，那么就到中心去吧。
01-15 7398
code:https://github.com/meteorshowers/RCF-pytorch paper:https://arxiv.org/abs/1612.02103 文章目录摘要网络架构loss function 摘要 边缘检测是计算机视觉中的一个基本问题。近年来，卷积神经网络(CNNs)在这一领域取得了显著的进展。现有的方法采用特定层次的深度cnn，由于尺度和纵横比的变化，可能无法捕捉到复杂的数据结构。在本文中，我们提出了一种使用更丰富的卷积特征(RCF)的精确边缘检测器。RCF将所有卷积特性
富者愈富：资源缓存中合作多智能体系统的任务分配中的优先附着现象
它分析了‘富者愈富’（Rich Get Richer）原则如何在任务分配中发挥作用，即资源副本倾向于被最近和最频繁访问这些资源的代理（agent）缓存。这种现象导致执行任务经验丰富的代理拥有更高的资源访问率。为了优化任务...
评论 6
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值