基于深度学习的图像边缘和轮廓提取

已于 2022-11-23 10:29:20 修改
阅读量5.7k 收藏 104
点赞数 9
文章标签： 深度学习
于 2022-05-13 15:45:18 首次发布
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/weixin_42809268/article/details/124753324
版权

边缘检测论文简读、开源代码和数据集合集
Awesome-Edge-Detection-Papers
基于深度学习的图像边缘检测算法综述
边缘与轮廓的关系

数据集

http://mftp.mmcheng.net/liuyun/rcf/data/HED-BSDS.tar.gz
http://mftp.mmcheng.net/liuyun/rcf/data/PASCAL.tar.gz
http://mftp.mmcheng.net/liuyun/rcf/data/NYUD.tar.gz

OpenCV中基于深度学习的边缘检测

OpenCV在其全新（OpenCV 3.4.3或更高版本）的DNN模块中集成了基于深度学习的边缘检测技术。这种技术被称为整体嵌套边缘检测或HED，是一种基于学习的端到端边缘检测系统，使用修剪过的类似vgg的卷积神经网络进行图像到图像的预测任务。HED利用了中间层的输出称为side output，将所有5个卷积层的输出进行融合，生成最终的预测。由于在每一层生成的特征图大小不同，它可以有效地以不同的尺度查看图像。HED方法不仅比其他基于深度学习的方法更准确，而且速度也比其他方法快得多。
在这里插入图片描述

论文

1、基于深度学习方法

在这里插入图片描述
在这里插入图片描述

1.1一般边缘检测

Pixel Difference Networks for Efficient Edge Detection
在这里插入图片描述

1.2目标轮廓检测

Object Contour Detection with a Fully Convolutional Encoder-Decoder Network
在这里插入图片描述

1.3语义边缘检测

CASENet: Deep Category-Aware Semantic Edge Detection

在这里插入图片描述

1.4闭合边界检测

DOOBNet: Deep Object Occlusion Boundary Detection from an Image
在这里插入图片描述

1.5 实例边缘检测

End-to-End Instance Edge Detection
在这里插入图片描述

2、传统方法

2.1 基于梯度和拉布拉斯

在这里插入图片描述
在这里插入图片描述

2.2 基于人工特征提取

如多尺度特征边缘检测算法、结构化边缘检测算法

2.3 论文

在这里插入图片描述

3 评价指标ODS、OIS

模型输出一个边缘概率图（edge probability map）,需要一个阈值来得到二值边缘图（binary edge map），有两种方式来设置这个阈值，一种ODS（optimal dataset scale）即固定的阈值，使得整个数据集的F-score最大，另一种是OIS（optimal image scale），每一张图片，选取不同的阈值，使得F-score最大。
人力类视觉ODS为0.803

在这里插入图片描述

4 边缘类型

分为4种类型，阶跃型、斜坡型、脉冲型、屋脊型
在这里插入图片描述

我想去拉萨
关注
  • 9
    点赞
  • 踩
  • 104
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
【深度学习】基于深度学习的图像边缘和轮廓提取
fengdu78的博客
06-10 419
导读：边缘和轮廓的提取是一个非常棘手的工作，细节也许就会被过强的图像线条掩盖，纹理（texture）本身就是一种很弱的边缘分布模式，分级（hierarchical）表示是常用的方法，俗称尺度空间（scale space）。以前做移动端的视觉平台，有时候不得不把一些图像处理功能关掉，原因是造成了特征畸变。现在 CNN 模型这种天然的特征描述机制，给图像预处理提供了不错的工具，它能将图像处理和视觉预处...
图像处理——基于深度学习HED实现目标边缘检测
知来者逆的博客
02-26 7437
前言 使用传统的图像来检测目标边缘，受到干扰的因素太多了，而已鲁棒性不高，同样的参数，在这个环境下可以，换个环境就根本检测不到物体的边缘，或者把不是边缘的也检测进去了。ICCV2015有人提出了整体嵌套边缘检测，就通过深度学习模型执行图像到图像的预测。论文地址：https://arxiv.org/abs/1504.06375,github上的工程：https://github.com/s9xie/...
基于深度学习的边缘检测
weixin_42605076的博客
06-23 513
基于深度学习的边缘检测方法通过卷积神经网络或生成对抗网络，自动学习图像中的边缘特征，提供高精度和鲁棒性的边缘检测结果。随着深度学习技术的发展，边缘检测的性能不断提升，广泛应用于医学图像处理、自动驾驶、图像分割等领域。理解和掌握这些方法，有助于开发更智能、更高效的计算机视觉系统。
动手学习深度学习——锚框
m0_51474171的博客
08-16 1024
我们以图像的每个像素为中心生成不同形状的锚框。交并比（IoU）也被称为杰卡德系数，用于衡量两个边界框的相似性。它是相交面积与相并面积的比率。在训练集中，我们需要给每个锚框两种类型的标签。一个是与锚框中目标检测的类别，另一个是锚框真实相对于边界框的偏移量。在预测期间，我们可以使用非极大值抑制（NMS）来移除类似的预测边界框，从而简化输出。...
图像处理中的边缘检测形状特征提取方法
嵌入式之斋
05-13 322
边缘连接和轮廓提取： 除了直接的边缘检测算法，还可以通过边缘连接和轮廓提取的方法获取形状特征。边缘连接可以将离散的边缘点连接成连续的边缘线段，轮廓提取可以从边缘图像中提取连通的轮廓。它通过计算图像中像素的梯度和非最大抑制来提取边缘。对于形状特征提取，可以结合Canny边缘检测的结果进行轮廓提取，进而计算物体的周长、面积和凸包等形状特征。在形状特征提取中，除了边缘信息，还可以使用霍夫变换等方法进行直线、圆等形状的检测和提取。在图像处理中，边缘检测是一种常用的方法，用于提取图像中物体的轮廓和形状信息。
16现代循环神经网络—深度循环与双向循环
kaszxc的博客
07-22 569
深度循环神经网络使用多个隐藏层来获得更多的非线性性GRU、RNN、LSTM 在结构上都是相同的，只是隐状态 H 的计算方式有区别，所以它们加深神经网络的原理都是相同的在深度循环神经网络中，隐状态的信息被传递到当前层的下一时间步和下一层的当前时间步存在许多不同风格的深度循环神经网络，如长短期记忆网络、门控循环单元或经典循环神经网络深度循环神经网络需要大量的调参（如学习率和修剪）来确保合适的收敛，模型的初始化也需要谨慎双向循环神经网络通过反向更新的隐藏层来利用方向时间信息。
卷积的意义及其派生（一）
zcg1942的博客
07-26 881
one by one 卷积 最早出现在NIN文章中，GoogleNet中的Inception得到了使用，作用主要是降维/升维。和普通卷积核的区别就是滤波器大小是1x1，这样每个像素的卷积结果就与其邻域无关，即没有考虑局部信息之间的关系。既然在空域上相当于对图像整体乘一个因子，那么它是怎么起作用的呢。对图像灰度值的缩放确实没什么收益，收益发生在图像是多通道时。 当图像为多通道时，feature ...
卷积神经网络（三）-zfNet
07-25 940
ZFNet（Zeiler & Fergus Net）是由Matthew D. Zeiler和Rob Fergus在2013年提出的卷积神经网络模型，它是基于AlexNet进行改进而来的。ZFNet在当年的ImageNet Large Scale Visual Recognition Challenge (ILSVRC)中取得了冠军,尤其在分类和定位任务上表现突出。
JNDIExploit使用
07-29
一款用于 JNDI注入利用的工具，大量参考/引用了 Rogue JNDI项目的代码，支持直接植入内存shell，并集成了常见的bypass 高版本JDK的方式，适用于与自动化工具配合使用。 使用说明 使用 java -jar JNDIExploit.jar -h查看参数说明，其中 --ip参数为必选参数 Usage: java -jar JNDIExploit.jar [options] Options: * -i, --ip Local ip address -l, --ldapPort Ldap bind port (default: 1389) -p, --httpPort Http bind port (default: 8080) -u, --usage Show usage (default: false) -h, --help Show this help Dockerfile git clone https://github.com/feihong-cs/JNDIExploit.git cd ./JN
基于MATLAB的人体行为识别.zip
最新发布
07-29
在MATLAB中，可以使用机器学习和计算机视觉技术来实现人体行为识别。下面是一个基本的人体行为识别过程的程序： 1. 数据收集和准备： - 收集包含不同人体行为的视频数据。 - 使用视频处理技术提取每个视频中的人体姿势和关键点信息。 2. 特征提取： - 使用计算机视觉技术，如OpenPose或者其他姿势估计算法，提取每个视频中的人体关键点位置。 - 根据关键点位置计算特征向量，例如关节角度、运动速度等。 3. 数据标记和标签： - 根据人体行为类型，对收集的数据进行标记和分类，例如步行、跑步、打球等。 - 为每个人体行为类型分配一个标签。 4. 训练模型： - 使用机器学习算法，如支持向量机（SVM）、决策树、深度神经网络等，对标记和分类的数据进行训练。 - 使用训练数据和标签训练模型，以学习不同行为类型之间的关系。 5. 测试和识别： - 使用训练好的模型对新的测试数据进行预测和识别。 - 输入测试数据的特征向量到训练好的模型中，根据模型的输出来确定人体行为类型。 6. 评估和改进： - 根据测试结果评估
【创新未发表】Matlab实现蝗虫优化算法GOA-Kmean-Transformer-BiLSTM组合状态识别算法研究.rar
07-29
1.版本：matlab2014/2019a/2021a 2.附赠案例数据可直接运行matlab程序。 3.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。 5.作者介绍：某大厂资深算法工程师，从事Matlab算法仿真工作10年；擅长智能优化算法、神经网络预测、信号处理、元胞自动机等多种领域的算法仿真实验，更多仿真源码、数据集定制私信+。 替换数据可以直接使用，注释清楚，适合新手
【SCI一区】Matlab实现向量加权平均算法INFO-CNN-LSTM-Attention的风电功率预测算法研究.rar
07-29
1.版本：matlab2014/2019a/2021a 2.附赠案例数据可直接运行matlab程序。 3.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。 5.作者介绍：某大厂资深算法工程师，从事Matlab算法仿真工作10年；擅长智能优化算法、神经网络预测、信号处理、元胞自动机等多种领域的算法仿真实验，更多仿真源码、数据集定制私信+。 替换数据可以直接使用，注释清楚，适合新手
5份个人单页简历素材-清新单页.zip
07-29
【简历模板】工作总结、商业计划书、述职报告、读书分享、家长会、主题班会、端午节、期末、夏至、中国风、卡通、小清新、岗位竞聘、公司介绍、读书分享、安全教育、文明礼仪、儿童故事、绘本、防溺水、夏季安全、科技风、商务、炫酷、企业培训、自我介绍、产品介绍、师德师风、班主任培训、神话故事、巴黎奥运会、世界献血者日、防范非法集资、3D快闪、毛玻璃、人工智能等等各种样式的ppt素材风格。 设计模板、图片素材、PPT模板、视频素材、办公文档、小报模板、表格模板、音效配乐、字体库。 广告设计：海报，易拉宝，展板，宣传单，宣传栏，画册，邀请函，优惠券，贺卡，文化墙，标语，制度，名片，舞台背景，广告牌，证书，明信片，菜单，折页，封面，节目单，门头，美陈，拱门，展架等。 电商设计：主图，直通车，详情页，PC端首页，移动端首页，钻展，优惠券，促销标签，店招，店铺公告等。 图片素材：PNG素材，背景素材，矢量素材，插画，元素，艺术字，UI设计等。 视频素材：AE模板，会声会影，PR模板，视频背景，实拍短片，音效配乐。 办公文档：工作汇报，毕业答辩，企业介绍，总结计划，教学课件，求职简历等PPT/WORD模板。
【创新未发表】Matlab实现星雀优化算法NOA-Kmean-Transformer-BiLSTM组合状态识别算法研究.rar
07-29
1.版本：matlab2014/2019a/2024a 2.附赠案例数据可直接运行matlab程序。 3.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。 5.作者介绍：某大厂资深算法工程师，从事Matlab算法仿真工作10年；擅长智能优化算法、神经网络预测、信号处理、元胞自动机等多种领域的算法仿真实验，更多仿真源码、数据集定制私信+。 替换数据可以直接使用，注释清楚，适合新手
和语音活动检测相关的数据集
07-29
语音活动检测数据集 数据说明： 语音活动检测任务可以区分出现人类语音和其他类型声音(如沉默和声)的信号段。 它是许多语音/音频应用的起点，包括语音编码，语音识别和语音增强。 由于这类任务没有特定的公共数据集，所以该数据集是从三个不同的数据库收集的719个音频。包括： ·TIMIT:是一个读语音语资料库，旨在为声学和语音研究提供语音数据，并评估自动语音识别系统。 · PTDB-TUG:是一个用于音高跟踪的语音数据库，提供20个讲英语者的麦克风信号。 ·Noizeus:包含30个句子的语音数据。噪音信号被人为添加到语音信号中，特别是该数据库包含被胡言乱语(人群)、街道、火车、火车站、汽车和餐馆噪音破坏的音频，SNR为5分贝，以及原始噪音。
刚体不稳定自由旋转的简单MATLAB仿真-SpinSpin-四元数- v2-MATLAB
07-29
旋转物体运动学是基于“标量第一单位四元数”的。 项目“SpinSpin_Quaternion_v1”与此项目类似。 项目“SpinSpin_RotationVector”与此项目类似，但基于“RotationVector”。 标量第一单位四元数定义： 标量第一单位四元数是长度为4的一维行或列向量。 使用Matlab的“ode45”函数求解常微分方程（ODE），应用Dorman-Prince 4（5）显式嵌入式自适应时间步长龙格-库塔方法。 Matlab“ode45”函数中的误差限制设置为10-13。
AI绘画介绍及应用场景.pdf
07-29
AI绘画的应用场景非常广泛。在艺术创作领域，AI可以为艺术家提供灵感和创作素材，帮助他们探索新的艺术风格和表现手法。同时，AI绘画也可以用于游戏、动画、电影等娱乐产业的视觉制作中，提高制作效率和降低成本。此外，AI绘画还可以用于教育、医疗等领域，为学生提供更加直观、生动的学习材料，为医生提供更加准确的诊断依据。
html+css+js作业王者荣耀司空震1个页面.zip
07-29
预览地址：https://blog.csdn.net/qq_42431718/article/details/140774765 王者荣耀司空震1个页面（带js）有轮播图
适用于一些手游的Auto.js自动脚本 (楚留香,原神,天涯明月刀,光遇,逆水寒手游)(自动弹琴,演奏,喊话,发消息)
07-29
autojs
matlab深度学习水果识别
09-04
基于Matlab的深度学习水果识别系统是一种利用深度学习算法对水果图像进行分类和识别的系统。深度学习是一种基于神经网络的机器学习方法，它通过多层神经网络模拟人脑的工作原理来实现复杂的图像和数据处理任务。 在水果识别系统中，首先需要进行图像采集，即收集水果的图像样本。然后，对这些图像进行预处理，包括二值化、形态学处理、填充和边缘检测等步骤。二值化处理可以将图像转化为黑白图像，方便后续的特征提取和分类。形态学处理可以去除图像中的噪点，并对图像进行平滑处理。填充和边缘检测可以帮助提取水果的轮廓和边界信息。 接下来，利用深度学习算法对预处理后的图像进行特征提取和分类。深度学习算法通过训练神经网络模型，学习图像中的特征和模式，并将其用于分类任务。常用的深度学习模型包括卷积神经网络（CNN）和基于深度学习的神经网络。 最后，根据模型的训练结果和水果图像的特征，系统可以对水果进行分类和识别。通过这种方式，可以实现自动化的水果分拣和品质分级，提高水果行业的效率和质量。 总结起来，基于Matlab的深度学习水果识别系统利用深度学习算法对水果图像进行分类和识别，通过图像采集、预处理、特征提取和分类等步骤，实现了水果的自动化识别与分拣。这种系统在水果行业具有广泛的应用前景，并为其他图像识别领域提供了参考。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [【水果蔬菜识别】基于matlab GUI形态学水果蔬菜识别【含Matlab源码 919期】](https://blog.csdn.net/TIQCmatlab/article/details/117188256)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]
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