计算机科学与探索

作者：王兵, 黄刚, 张兴鹏

单位：西南石油大学 计算机科学学院，成都 610500

关键词：清晰边缘检测,融合卷积特征（FCF）,细化骰子损失（RD）,卷积神经网络（CNN）

受益于卷积神经网络（CNN），边缘检测性能在多个基准数据集上都已经超过人类水平。但这类算法无法保证边缘的清晰性和定位的准确性。为获取细化清晰、有效抑制背景纹理、定位准确的目标边缘图，提出了一种融合卷积特征的清晰边缘检测算法（FCF）。该算法使用VGG16作为主干网络进行卷积特征提取，将不同阶段的卷积特征上采样后进行特征融合，并通过所设计的细化融合模块（RFB）获得清晰的边缘图。RFB使用多个归一化细化块（GRB）来细化得到的边缘图。此外，为平衡边缘像素和非边缘像素，还提出一个细化骰子损失函数（RD）。在BSDS500数据集上，所提方法将HED、RCF等深度边缘检测器的F-score（ODS）分别提高了2.8%和2.1%；当不使用非极大值抑制（NMS）进行边缘检测评估时，F-score（ODS）、F-score（OIS）分别达到0.801和0.816，超过了其他算法。

来源：2023年第9期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2023年第9期