DexiNed 边缘检测模型介绍及MindSpore实现

边缘检测模型结构

DexiNed 由密集极端初始网络（Dexi）和上采样块（UB）组成，其中上采样块是DexiNed 用于边缘细化的关键组件，来自 Dexi 块的每个输出都馈送到 UB。

DexiNed主要有6个块的编码器形成，可以参考Xception，蓝色块由两个卷积层形成，3×3卷积核——BN——ReLU，max-pooling为核大小是3×3，stride是2.整体构造遵循多尺度，对应会有上采样流程。

UB 由条件堆叠子块形成。 每一个子块有 2 层，一层是卷积层，另外一层是反卷积层；有两种类型的子块。

MindSpore实现：

"""DexiNed 网络结构""" 

def weight_init(net): 

    for name, param in net.parameters_and_names(): 

        if 'weight' in name: 

            param.set_data( 

                init.initializer( 

                    init.XavierNormal(), 

                    param.shape, 

                    param.dtype)) 

        if 'bias' in name: 

            param.set_data(init.initializer('zeros', param.shape, param.dtype)) 

class CoFusion(nn.Cell): 

    def __init__(self, in_ch, out_ch): 

        super().__init__() 

        self.conv1 = nn.Conv2d( 

            in_ch, 64, kernel_size=3, 

            stride=1, padding=1, has_bias=True, 

            pad_mode="pad", weight_init=init.XavierNormal()) 

        self.conv2 = nn.Conv2d( 

            64, 64, kernel_size=3, 

            stride=1, padding=1, has_bias=True, 

            pad_mode="pad", weight_init=init.XavierNormal()) 

        self.conv3 = nn.Conv2d( 

            64, out_ch, kernel_size=3, 

            stride=1, padding=1, has_bias=True, 

            pad_mode="pad", weight_init=init.XavierNormal()) 

        self.relu = nn.ReLU() 

        self.norm_layer1 = nn.GroupNorm(4, 64) 

        self.norm_layer2 = nn.GroupNorm(4, 64) 

 

    def construct(self, x): 

        attn = self.relu(self.norm_layer1(self.conv1(x))) 

        attn = self.relu(self.norm_layer2(self.conv2(attn))) 

        attn = ops.softmax(self.conv3(attn), axis=1) 

 

        return ((x * attn).sum(1)).expand_dims(1) 

 

class _DenseLayer(nn.Cell): 

    def __init__(self, input_features, out_features): 

        super(_DenseLayer, self).__init__() 

 

        self.conv1 = nn.Conv2d( 

            input_features, out_features, kernel_size=3, 

            stride=1, padding=2, pad_mode="pad", </