跨层多尺度特征融合的边缘检测模型
杨祖源
刘华军
南京理工大学计算机科学与工程学院 南京 210094
摘要：充分利用多尺度信息对于提高不同尺度对象的边缘检测十分重要,因此提出一种跨层多尺度特征融合的边缘检测模型.使用残差网络作为模型的主干网络,为了增大模型的感受野,在最后一个阶段使用扩张卷积,同时在每个Bottle-neck模块中添加了全局注意力模块.此外,使用多尺度融合模块对特征图提取更准确的边缘,使用跨层融合模块将高层特征和低层特征进行融合.在BIPED数据集,BSDS500数据集和NYUDv2数据集上进行评估,并在BIPED数据集上实现了0.866的ODS-F值和0.871的OIS-F值,比在BIPED数据集上的最新技术分别提高了0.7%和0.4%.
关键词：边缘检测注意力机制多尺度融合扩张卷积
分类号：TP391.41(计算技术、计算机技术)
论文发表日期：2023-03-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 623-628,668 )
英文信息