典型文献
基于ResNet网络与离散变分自编码器的精细轮廓检测方法
文献摘要：
传统的基于卷积神经网络的轮廓检测方法多为由编码网络和解码网络构成的编解码结构,存在轮廓定位不准确、输出轮廓模糊的问题.为解决这一问题,提出一种基于离散变分自编码器的轮廓检测方法.该方法舍弃了解码网络,利用离散变分自编码器的编码器和解码器分别配合编码网络进行训练和轮廓输出,并设计了带有动态权重的损失函数,用于解决本文方法在训练过程中遇到的类别分布极不均衡的问题.基于BIPED数据集,本文的轮廓精细度实验表明本文方法在更严格的评估标准下优于最新方法DexiNed.在一般的评估标准下,本文方法的ODS F-measure能够达到0.889,比最新方法DexiNed提高了3.0％.研究结果表明,对离散变分自编码器的利用不仅能帮助模型提高轮廓精细度,也能显著提高模型的轮廓检测性能.
文献关键词：
轮廓检测;深度学习;离散变分自编码器;计算机视觉;交叉熵损失函数
中图分类号：
作者姓名：
王衢;林川;陈永亮
作者机构：
广西科技大学 电气电子与计算机科学学院,广西 柳州 545616
文献出处：
引用格式：
[1]王衢;林川;陈永亮-.基于ResNet网络与离散变分自编码器的精细轮廓检测方法)[J].广西科技大学学报,2022(03):8-13,28
A类：
离散变分自编码器,BIPED,DexiNed
B类：
ResNet,轮廓检测,编码网络,编解码结构,舍弃,解码器,合编,动态权重,训练过程,极不,精细度,评估标准,ODS,measure,检测性能,计算机视觉,交叉熵损失函数
AB值：
0.138971
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
