Indexed by：
Abstract：
针对现有方法所得物体轮廓位置欠准确、线条粗、乱等问题,提出自顶向下导引式逐层融合的物体轮廓检测网络.首先采用常用卷积神经网络作为主干网络提取不同尺度特征;鉴于低层特征中边缘位置准确但包含较多非轮廓噪声,而高层特征更有助于区分轮廓和非轮廓,自顶向下逐渐融合相邻尺度特征,借助高层特征强化轮廓边缘并抑制非轮廓噪声;最后提出改进的2分类交叉熵损失函数,训练网络生成物体轮廓.在PyTorch环境下,用公开数据集SBD测试所提出网络.量化和可视化实验结果表明,相比现有方法,该网络所得物体轮廓位置更准确、线条更细、更干净.
Keyword：
Reprint Author's Address：
Email：
Source ：
计算机辅助设计与图形学学报
ISSN： 1003-9775
Year： 2021
Issue： 6
Volume： 33
Page： 855-863
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count： 1
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 0
