【论文阅读】Object Contour and Edge Detection with RefineContourNet（2019）

最新推荐文章于 2021-11-22 17:33:02 发布
最新推荐文章于 2021-11-22 17:33:02 发布
阅读量234 收藏
点赞数
分类专栏： 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/qq_43019433/article/details/118212615
版权

原文链接

文章目录

摘要

  • 提出一个基于ResNet多路径细化的CNN模型用于轮廓检测。此模型很好的利用了ResNet的高级特征抽象能力，基于特定的顺序融合高级、中级、低级特征，即从高级特征一层一层融合至最底层的特征。
  • 在 refined PASCAL-val数据集上ODS为0.752；在 BSDS500 dataset上ODS为0.824。

1. 模型

1.1 模型选择&设计概念

对于轮廓检测，最重要的是模型的高级语义特征提取能力，这样模型才能区分什么是需要忽略的边缘，什么是大体轮廓。
基于以上概念，选择&设计的模型基于以下两点：

  • 模型能很好的提取高级特征
  • 模型有能整合高级至低级特征的轮廓检测器

1.2 网络结构

在这里插入图片描述
在这里插入图片描述

Jiazhou_garland
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
【论文笔记】Object Contour Detection with a Fully Convolutional Encoder-Decoder Network
xiaxzhou的博客
07-01 1531
Object Contour Detection with a Fully Convolutional Encoder-Decoder Network使用卷积编码解码网络检测主要目标的边缘网络结构是： 编码：VGG-16 解码：反池化-卷积-激活-dropout 卷积核: The number of channels of every decoder layer is properly d
目标检测概述：一步法 An overview of object detection: one-stage methods
baidu88vip的博客
08-01 1791
An overview of object detection: one-stage methods 目标检测概述：一步法 （点击标题链接原文https://www.jeremyjordan.me/object-detection-one-stage/） Object detection is useful for understanding what’s in an image, des...
【边缘检测】RCN：Object Contour and Edge Detection with RefineContourNet
呆呆的猫的博客
04-21 1451
文章目录一、背景二、动机三、方法四、效果 一、背景 边缘检测/轮廓检测是从图片的背景中分离出目标的轮廓和边缘。 现有的基于CNN的方法：HED/CEDN/COB等，基本都是使用较深的网络结构，并利用其从imagenet预训练得来的高层分类信息 问题：虽然现有的方法使用了预训练的分类网络作为backbone，但这些backbone肯定有一些没有被开发出来的能力，因为它们携带了很多高层抽象特征。 二、动机 三、方法 1、语义信息层面 对于边缘检测，传统的边缘检测方法可以检测出图像中的很多边缘，所以难点会在于如何
Object Contour and Edge Detection with RefineContourNet
Action_now的博客
08-22 634
[边缘检测论文]Object Contour and Edge Detection with RefineContourNet 一、背景（2019年发表） 物体轮廓检测目的是提取图像中物体形状的信息，可靠的检测器可以从背景中区分目标的轮廓和边缘。 基于CNN的方法有HED(发现使用预训练图像分类模型可以有效提取想要的图像边界信息并抑制不期待的边缘)/CEDN(使用全卷积编码解码器生成轮廓图)/COB(类似HED网络结构，使用面向多尺度轮廓以及分层的图像分割算法)，共同点就是使用比较深的网络，利用从Imag
【今日CV 计算机视觉论文速览 第109期】Wed, 1 May 2019
TomRen
05-03 1166
第109期 视觉论文速览 多模态标注检测 轮廓边缘检测 中文自动字形生成 非刚体三维重建 林木高度估计
matlab中等值线代码-RefineContourNet:论文“ObjectContourandEdgeDetectionwithRefin
06-19
matlab中等价值线代码RefineContourNet RefineContourNet (RCN) 是一个对象轮廓和边缘检测器。 这是论文Object Contour and Edge Detection with RefineContourNet的测试代码和最佳结果； CAIP 2018 DOI： 测试RCN - 请下载refinenet-contour-master 编译和设置包含的 MatConvNet 文件（与 RefineNet [] 的过程相同） 使用 MATLAB 运行文件 demo_test_simple_voc_contour_tiff.m 在此 m 文件中选择用于对象轮廓检测或边缘检测的训练模型 最佳 RCN 结果： RCNVOC_NMS_results_on_BSDS500_val RCNVOC_results_on_BSDS500_val RCN_NMS_results_on_PASCAL_val RCN_results_on_PASCAL_val
深度学习日记
yunxinan的专栏
06-23 488
一、基于连续帧排序的语言分割 BubbleNets: Learning to Select the Guidance Frame in Video Object Segmentation by Deep Sorting Frames 论文地址：https://arxiv.org/pdf/1903.11779v1.pdf 二、手写体字型生成 Handwritten Chinese Font Gene...
Detection de contour_edgedetection_
10-04
"Detection de contour_edgedetection_" 这个标题暗示我们将探讨的是一种边缘检测方法，特别是通过脉冲耦合神经网络（Pulse Coupled Neural Network, PCNN）实现的边缘检测技术。 PCNN 是一种模拟生物视觉系统神经...
detection-contour-canny.zip_contour_contour detection
07-14
Contour detection in Delphi (Canny algorithm)
activeContour_WithoutEdges.rar_active contour_contour detection
07-14
ACtive contour without edge detection method by karthi kangayam
~图象的边沿检测,提取,轮廓跟踪算法代码.rar_contour tracking_edge detection_跟踪算法_轮廓
09-24
在图像处理领域，边沿检测、提取以及轮廓跟踪是至关重要的步骤，它们广泛应用于计算机视觉、机器学习和人工智能系统中。这些技术可以帮助我们理解和解析图像中的物体，为后续的识别、分类和分析提供基础。...
论文阅读：RefineNet多分辨率融合获取高分辨率语义分割
weixin_43572595的博客
12-02 910
前言 RefineNet也是2017年左右提出来的一个用于语义分割的模型。同样的，也是基于充分利用浅层+深层次的特征信息的思想。RefineNet也采用了一种编解码的结构体系设计，以ResNet作为基础模块，加入空洞卷积，设计了名为RefineNet的多路优化模型，在当时也取得了不错的结果。 下面我们一起来看它的具体设计。 RefineNet块 其实上图中的(b)©是比较常见的设计了。但是注意到，这里在局部做了一次多分辨率特征的融合，可以看做是对某一分辨率的特征进行增强。另外的亮点可能是在于名为"Chai
边缘检测论文简读、开源代码和数据集合集
如果想成为中心，那么就到中心去吧。
02-01 7633
概述 边缘检测（英语：Edge detection）是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化。这些包括（i）深度上的不连续、（ii）表面方向不连续、（iii）物质属性变化和（iv）场景照明变化。 边缘检测是图像处理和计算机视觉中，尤其是特征检测中的一个研究领域。 本博文只介绍基于深度学习的边缘检测。 基于深度学习的边缘检测 基于深度学习的边缘检测分为三类：1.全要素边缘检测；2.物体边缘检测；3.语义边缘检测。如下
边缘检测的评价指标：PR曲线，OIS，ODS，AP的计算与代码实现
热门推荐
轻舟的万重重山
06-23 1万+
文章目录一、Precision（精确率）与Recall（召回率）二、PR曲线：精确率——召回率曲线三、 OIS、ODS、AP的计算 参考博客：1、2 参考代码：HED的源码、画PR曲线 一、Precision（精确率）与Recall（召回率） 目标检测： Precision（精确率）：预测为正例的结果中有多少是真的正例。强调预测的准确性。 Recall（召回率）：所有真的正例中有多少被预测为正例。强调把多少真正的正例召唤回来。 边缘检测中： Precision（精确率）：在边缘检测中精确率
【论文阅读】2021-(Pidinet)Pixel Difference Networks for Efficient Edge Detection
轻舟的万重重山
11-22 9017
文章目录摘要1. Introduction 摘要 motivations: 基于CNN的边缘检测的高性能是通过一个大的预训练CNN主干来实现的，该主干占用大量内存和能量。传统边缘检测器（如Canny、Sobel和LBP）很少被研究。 contributions: 提出了一种简单、轻量级但有效的架构，称为像素差分网络（PiDiNet），用于有效的边缘检测。PiDiNet采用了新颖的像素差卷积，将传统的边缘检测算子集成到现代CNN中流行的卷积运算中，以增强任务性能。 experiments: 在BSDS500
利用labelme创建边缘检测数据集（安装与使用）
轻舟的万重重山
05-09 4815
利用labelme创建边缘检测数据集（安装与使用）第一步：安装Ananconda第二步：创建环境，安装labelme以及相关依赖库第三步：用labeleme做岩石颗粒的边缘标记 第一步：安装Ananconda 这个很简单，百度搜索官网下载安装就可以 具体可以参考博客的第一部分：博客地址 第二步：创建环境，安装labelme以及相关依赖库 视频教程：视频地址 其中涉及的命令行指令如下，方便大家复制粘贴： 1. conda create --name=labelme python=3.6 2. conda a
【论文阅读】Dense Extreme Inception Network: Towards a Robust CNN Model for Edge Detection（2020）
轻舟的万重重山
06-24 3325
原文链接 代码与数据集github网址 Poma, X. S., Riba, E., & Sappa, A. (2020). Dense extreme inception network: Towards a robust cnn model for edge detection. In Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision (pp. 1923-1932). 文章目录一、摘要
【论文阅读】图像分割损失函数Segmentation loss odyssey
轻舟的万重重山
07-12 2941
本文参考文献：Ma, J. (2020). Segmentation loss odyssey. arXiv preprint arXiv:2005.13449. 其它参考网址 文中提到的损失函数的pytorch实现 文章目录1.基于分布的损失函数1.1 交叉熵(CE)1.2 加权交叉熵（WCE）1.3 TopKloss1.4 Focal loss1.5 Distance map penalized cross entropy loss (DPCE)2. 基于区域的损失函数2.1 Sensitivity-s
【论文阅读】DeepEdge: A Multi-Scale Bifurcated Deep Network for Top-Down Contour Detection（2015）
轻舟的万重重山
06-30 1432
Bertasius, G., Shi, J., & Torresani, L. (2015). Deepedge: A multi-scale bifurcated deep network for top-down contour detection. In Proceedings of the IEEE conference on computer vision and pattern recognition (pp. 4380-4389). 论文链接 代码链接 文章目录1.模型结构1.1 单
'list' object has no attribute 'contour'
最新发布
10-30
这个错误通常是因为你正在尝试对一个列表对象使用contour方法，而该方法只能用于NumPy数组或Pandas DataFrame。请确保你正在使用正确的数据类型，并检查你的代码是否正确地将数据转换为所需的数据类型。如果你已经...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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