基于ResNet网络与离散变分自编码器的精细轮廓检测方法

作     者：王衢 林川 陈永亮 WANG Qu;LIN Chuan;CHEN Yongliang

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 

出 版 物：《广西科技大学学报》 (Journal of Guangxi University of Science and Technology)

年 卷 期：2022年第33卷第3期

页      面：8-13,28页

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：国家自然科学基金项目(61866002) 广西自然科学基金项目(2020GXNSFDA297006,2018GXNSFAA138122,2015GXNSFAA139293)广西科技大学研究生教育创新计划项目(GKYC202101)资助。 

主　　题：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 

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。