文章目录

  • 一、背景
  • 二、网络结构
  • 三、和 HED[16] 的不同

一、背景

边缘检测是视觉任务中非常基础的任务,现有的基于CNN的边缘检测方法有两个明显的问题:

  • 现有的方法大多只使用CNN的最后一层conv的结果,忽略了中间层的结果
  • 更多的方法集中在探究更深的CNN,但边缘检测是数据比较少,而且容易发生梯度消失的现象

本文的出发点如下图所示,不同卷积层获得的结果随着深度增加而更加粗糙

本文motivation:充分使用所有CNN层的结果

提出的方法:richer convolutional features (RCF)

二、网络结构


使用训练好的模型对单张图的输出进行可视化:

result是一个长度为6的list,list中0-4储存每层的输出经过上采样后的结果,5存储前5个特征图经过1x1卷积进行通道压缩后的结果。







将上面的5组特征图经过卷积后,压缩成为一个通道,作为最终的输出边缘结果。

回顾VGG16:

正负样本区分方式:

作者对多个标注人员的标注结果进行平均来得到最终使用的标注结果(edge probability),其结果是 0~1 间的数值。

  • 0:表示没有标注人员标注的像素
  • 1:表示所有标注人员都进行了标注

作者定义了一个参数 η\etaη:

  • 当平均后的结果大于 η\etaη 时——正样本
  • 当结果为0时——负样本
  • 其他的像素结果——忽略

每个像素的loss计算如下:


总loss计算如下:

三、和 HED[16] 的不同

1、HED 只使用了VGG16每个stage的最后一层卷积,RCF使用了每个layer的卷积结果,可以捕捉更多的边界信息
2、本文提出的loss和正负样本的定义方式和HED不同,HED把小于 η\etaη 的所有像素点都当做负样本,这样就会导致网络混淆,因为这也并非一定是非边远点。
3、本文使用多尺度测试

【边缘检测】RCF: Richer Convolutional Features for Edge Detection相关推荐

  1. CNN边缘检测--Richer Convolutional Features for Edge Detection

    Richer Convolutional Features for Edge Detection CVPR2017 Caffe:https://github.com/yun-liu/rcf 本文针对边 ...

  2. 边缘检测:更丰富的卷积特征 Richer Convolutional Features for Edge Detection

    边缘检测:更丰富的卷积特征 Richer Convolutional Features for Edge Detection Source code and paper address Abstrac ...

  3. (Pytorch)环境配置与代码学习1—边缘检测:更丰富的卷积特征 Richer Convolutional Features for Edge Detection

    (Pytorch)环境配置与代码学习1 - 边缘检测:更丰富的卷积特征 Richer Convolutional Features for Edge Detection Source code and ...

  4. 论文见解之RCF:Richer Convolutional Features for Edge Detection

    论文名:Richer Convolutional Features for Edge Detection code:https://github.com/yun-liu/rcf 这是cvpr2017的 ...

  5. Richer Convolutional Features for Edge Detection 论文阅读

    Richer Convolutional Features for Edge Detection是2017年cvpr中一篇边缘检测文章,准备以此为基础,1)了解深度学习中边缘检测的发展:2)如何使用深 ...

  6. Richer Convolutional Features for Edge Detection(RCF论文学习笔记)

    介绍: 做边缘检测(edge detection)的网络,实质上来讲,应该算是HED网络的改进 作者提出RCF,将所有卷积特征封装成更具鉴别性的表示,很好地利用了丰富的特征层次结构,并且可以通过反向传 ...

  7. Richer Convolutional Features for Edge Detection(RCF-PYTorch)部署

    一.部署环境 1.ubuntu18.04 2.anaconda 3.pytorch1.7 二.源代码 本次部署代码地址:https://github.com/meteorshowers/RCF-pyt ...

  8. 基于深度学习的CNN边缘检测RCF--Richer Convolutional Features for Edge Detection

    Richer Convolutional Features for Edge Detection CVPR2017 Caffe:https://github.com/yun-liu/rcf 本文针对边 ...

  9. 轮廓检测_轮廓检测| Richer Convolutional Features | CVPR | 2017

    0 概述 论文名称:"Richer Convolutional Features for Edge Detection" 论文链接:https://openaccess.thecv ...

最新文章

  1. Apache HBase快照介绍
  2. linux和android调试概要
  3. 基本户想大量提现,财务该怎么做账
  4. C#中控制线程池的执行顺序
  5. mysql删除索引 增加索引
  6. [css] 使用css如何设置背景虚化?
  7. android 恢复app 到前台,android手机把app disable了,怎么恢复
  8. 大数据就业前景分析的太到位了【附:1T视频资料】
  9. c语言中next如何用,c语言的数据结构中,next是如何指向下一个元素的?
  10. toB产品经理的KPI
  11. SAP License:关于集团管控模式的几点思考
  12. HBase与Zookeeper数据结构查询
  13. 使用谷歌统计来跟踪网页加载时间
  14. mysql8 错误日志_MySQL 8 服务器日志
  15. 编译原理 NFA确定化与DFA最小化
  16. 常用性能工具:工欲善其事,必先利其器
  17. qt项目在Linux平台上面发布成可执行程序.run
  18. 业余草网站热门关键字
  19. hexo latex 换行 多行公式 终极解决方案
  20. 5.5.2指令流水线 影响因素分类

热门文章

  1. Xcode9 之 Xcode Server 持续集成
  2. 最稳定的Nginx绿色环境,可无限自定义PHP和mysql版本、同时运行N个版本
  3. Mongoose Schemas定义中timestamps选项的妙用
  4. 深入探究VC —— 编译器cl.exe(1)
  5. 奥克兰大学计算机科学与技术,奥克兰大学与2016级计算机科学技术专业(中外合作办学)学生见面会顺利进行...
  6. java invokeall 阻塞_ExecutorService.invokeAll并关闭
  7. 免推北京大学计算机研究生,北大推免研究生个人陈述
  8. vector的去重操作
  9. Master of GCD(差分数组||线段树)
  10. ROS2学习(四).ROS 2 核心概念