-
公开(公告)号：CN109035251A
公开(公告)日：2018-12-18
申请号：CN201810575641.8
申请日：2018-06-06
Applicant: 杭州电子科技大学
CPC classification number: G06T7/10 , G06N3/0454 , G06N3/08
Abstract: 本发明涉及一种基于多尺度特征解码的图像轮廓检测方法。针对传统检测方法对轮廓细节检测的不精确问题，构造一种多尺度特征解码模型，以提高轮廓定位的准确性，并实现轮廓像素点的精细化。首先构建特征提取模块提取图像多尺度特征，该模块由四组基本单元串联构成，每组基本单元包括两个卷积层和一个下采样层的串联结构，因此特征提取模块可以提取四个不同尺度的特征信息。然后搭建多尺度特征解码模块，通过逐步融合相邻特征层之间的信息来挖掘各个尺度特征之间的差异和联系，从而达到精确定位图像轮廓的目的。
-
公开(公告)号：CN109087321A
公开(公告)日：2018-12-25
申请号：CN201810575947.3
申请日：2018-06-06
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于视通路多层级抑制区协同作用的轮廓检测方法。本发明首先构建方向敏感的外膝体神经元阵列，记录外膝体选择的轮廓方向，计算外膝体神经元的响应；以距离为因素对外膝体神经元经典感受野与抑制区的视觉输入进行量化处理，将两者差异作为抑制区有效响应，经动态整流与幂指数归一化，得到协同作用参数；通过局部窗口加权融合外膝体神经元的响应得到初级视皮层的视觉输入，检测精准轮廓响应；计算初级视皮层神经元抑制区响应，得到最终的轮廓响应。本发明考虑了视通路中不同层级神经元感知方向时的逐级精细化检测机制，同时模拟不同层级间抑制区的协同作用，能有效提高自然图像的轮廓检测性能。
-
公开(公告)号：CN109035251B
公开(公告)日：2022-05-27
申请号：CN201810575641.8
申请日：2018-06-06
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于多尺度特征解码的图像轮廓检测方法。针对传统检测方法对轮廓细节检测的不精确问题，构造一种多尺度特征解码模型，以提高轮廓定位的准确性，并实现轮廓像素点的精细化。首先构建特征提取模块提取图像多尺度特征，该模块由四组基本单元串联构成，每组基本单元包括两个卷积层和一个下采样层的串联结构，因此特征提取模块可以提取四个不同尺度的特征信息。然后搭建多尺度特征解码模块，通过逐步融合相邻特征层之间的信息来挖掘各个尺度特征之间的差异和联系，从而达到精确定位图像轮廓的目的。
-
公开(公告)号：CN109087321B
公开(公告)日：2021-08-10
申请号：CN201810575947.3
申请日：2018-06-06
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于视通路多层级抑制区协同作用的轮廓检测方法。本发明首先构建方向敏感的外膝体神经元阵列，记录外膝体选择的轮廓方向，计算外膝体神经元的响应；以距离为因素对外膝体神经元经典感受野与抑制区的视觉输入进行量化处理，将两者差异作为抑制区有效响应，经动态整流与幂指数归一化，得到协同作用参数；通过局部窗口加权融合外膝体神经元的响应得到初级视皮层的视觉输入，检测精准轮廓响应；计算初级视皮层神经元抑制区响应，得到最终的轮廓响应。本发明考虑了视通路中不同层级神经元感知方向时的逐级精细化检测机制，同时模拟不同层级间抑制区的协同作用，能有效提高自然图像的轮廓检测性能。
-
-
-
Search Results
4
records
(took 0.015 seconds)
