• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    FMLED:細粒度級多尺度特征表示的輕量級邊緣檢測方法

    2023-04-19 05:12:18楊紅菊王昱蓉
    小型微型計算機系統(tǒng) 2023年4期
    關(guān)鍵詞:集上邊緣卷積

    楊紅菊,王昱蓉

    1(山西大學 計算機與信息技術(shù)學院,太原 030006)2(山西大學 計算智能與中文信息處理教育部重點實驗室,太原 030006) E-mail:yhju@sxu.edu.cn

    1 引 言

    計算機視覺通過對圖像的數(shù)字感知和理解來模擬人類視覺.邊緣檢測作為低層視覺任務中的一項,在各種計算機視覺任務中有著巨大的應用,如圖像高階特征提取及描述、目標提議框生成、目標檢測和圖像分割等.

    自2014年起,由于深度學習的快速發(fā)展,許多基于深度學習的邊緣檢測方法被提出.這些方法利用深度學習卓越的分層特征學習能力,在BSDS500和NYUD數(shù)據(jù)集上展示出高精度的性能優(yōu)勢.深度學習邊緣檢測方法的ODS (Optimal Dataset Scale)指標已達到0.828,而傳統(tǒng)方法卻只能達到0.59.自此,基于深度學習的邊緣檢測方法已經(jīng)取得了很好的效果,但因模型復雜度高而阻礙了其實際應用.因此,邊緣檢測的研究趨勢開始轉(zhuǎn)變?yōu)樵O(shè)計一種高效的神經(jīng)網(wǎng)絡架構(gòu).其要求是在保持邊緣檢測質(zhì)量的前提下,使模型具有更低的計算復雜度.

    受傳統(tǒng)邊緣檢測方法的啟發(fā),Wibisono J K 等[1,2]先后提出兩個輕量級邊緣檢測模型——TIN、FINED.它們的網(wǎng)絡結(jié)構(gòu)主要包括Feature Extractor、Enrichment和Summarizer,分別對應于傳統(tǒng)邊緣檢測方法中的梯度、低通濾波器和像素連接.輕量級邊緣檢測方法在計算復雜度上占絕對優(yōu)勢(相較于經(jīng)典的HED[3]方法,其參數(shù)量減少了十倍左右),卻也存在預測邊緣模糊、不細致以及定位不準確的問題(圖1).Huan等[4]提出一種上下文感知跟蹤策略(CATS),其包括跟蹤損失和上下文感知融合塊,前者使模型獲得更好的側(cè)邊學習,后者可以有效地處理側(cè)邊混合而導致的邊緣模糊問題.

    大多數(shù)深度邊緣檢測方法[5]均以分層方式表示多尺度特征.為了達到較高的檢測精度,分層方式提取多尺度特征會導致參數(shù)量的直線式遞增.本文提出一種輕量級邊緣檢測方法——FMLED.該模型以細粒度多尺度特征表示方式,增大每個網(wǎng)絡層的感受野范圍并緩解了分層式特征表示致使模型復雜度變高的情況.在不增加計算負載的情況下,由于特征提取能力變得更強大,使檢測到的邊緣更細致并具有全局性.同時,通過對中間特征圖的聯(lián)合學習,使每個像素帶有不同權(quán)重,從而有效地緩解現(xiàn)有輕量級邊緣檢測模型預測邊緣模糊的問題.

    圖1 不同輕量級邊緣檢測模型的檢測結(jié)果Fig.1 Results of different lightweight edge detection models

    2 相關(guān)工作

    圖像邊緣檢測是圖像處理和計算機視覺領(lǐng)域中一個關(guān)鍵的技術(shù)挑戰(zhàn).根據(jù)圖像處理技術(shù)的不同,邊緣檢測方法可分為兩類:傳統(tǒng)方法和深度學習方法.

    2.1 傳統(tǒng)邊緣檢測算法

    邊緣檢測的本質(zhì)是識別和定位圖像中發(fā)生突變的位置,而突變部分表示圖像的重要信息.基于梯度的方法是通過得到一階導數(shù)的最大值或二階導數(shù)為零的信息來得到圖像灰度的變化情況.如Sobel算子[6]、Prewitt 算子[7],以及至今仍被廣泛使用的Canny算子[8]等.Li等[9]使用混合濾波器代替Canny算子中的高斯濾波器,并使用最大類間方差法對圖像的高低閾值進行確定,提出了一種改進Canny的邊緣檢測算法.

    但僅考慮圖像梯度特性,忽略顏色、亮度和紋理信息,將使檢測到的圖像邊緣模糊.因此研究者們提出基于人工特征提取的邊緣檢測方法.此類方法通常采用復雜的學習范式來預測具有低級別特征的邊緣強度,如Pb算法[10]、gPb-owl-ucm算法[11]、SE算法[12]、OEF[13]等.由于未包含高層的物體級別信息,致使傳統(tǒng)方法檢測效果不佳.

    2.2 基于深度學習的邊緣檢測算法

    由于深度模型具有強大的學習能力和高效的特征表達能力,可以從原始像素級數(shù)據(jù)到抽象的語義概念逐層提取信息,所以其在提取圖像的全局特征和上下文信息方面具有突出優(yōu)勢,為圖像邊緣檢測帶來新思路.

    N4-Fields[14]、DeepEdge[15]和DeepContour[16]方法均使用卷積神經(jīng)網(wǎng)絡進行邊緣檢測,但由于未使用高層語義信息,得到的效果并不理想.Saining Xie等[3]提出一種基于全卷積網(wǎng)絡架構(gòu)的HED算法,其采用多尺度、多層級的特征學習方法進一步改善了邊緣檢測效果.Maninis等[17]提出一種卷積定向邊界結(jié)構(gòu)COB.其從一個卷積神經(jīng)網(wǎng)絡開始,產(chǎn)生多尺度定向輪廓和區(qū)域?qū)哟?并在層次分割中使用了一種新的稀疏邊界表示方法.Akbarinia等[18]提出一種受生物學啟發(fā)的SED模型,其方向選擇性神經(jīng)元通過高斯函數(shù)的一階導數(shù)來表示,其類似于初級視覺皮層中的double opponent cells.Wang等[19]發(fā)現(xiàn)卷積神經(jīng)網(wǎng)絡具有良好的邊緣像素分類能力,但定位能力較差,因而提出一種新的細化架構(gòu)CED.其利用自上而下的后向細化方式逐步提高特征圖的分辨率以得到清晰的邊緣.Liu等[20]在VGG16網(wǎng)絡結(jié)構(gòu)基礎(chǔ)上提出一種使用更豐富卷積特征的RCF方法,充分利用對象的多尺度和多層級信息來實現(xiàn)邊緣預測,取得了很好的效果.YANG等[21]提出生成對抗支持的輪廓檢測方法ContourGAN,其生成器是使用Encoder-Decoder框架來提取輪廓;鑒別器使用標簽圖和預測輪廓圖作為輸入.He等[22]提出BDCN方法并引入尺度增強模塊.前者使每個層的輸出都被特定尺度的標簽圖監(jiān)督(特定尺度由網(wǎng)絡自身學習得到);后者用于豐富BDCN框架學習到的多尺度特征.Soria等[23]提出一種魯棒的邊緣檢測架構(gòu)DexiNed,其受Xception框架[24]及HED方法的啟發(fā).由于公開的用于邊緣檢測的數(shù)據(jù)集較少,而構(gòu)建了一個帶詳細標注的BIPED數(shù)據(jù)集.

    雖然以上方法的檢測精度遠超于傳統(tǒng)邊緣檢測方法,但卻存在網(wǎng)絡過于復雜的問題.因此,Wibisono等[1]提出一種受傳統(tǒng)邊緣檢測方法啟發(fā)的輕量級邊緣檢測框架TIN.雖然該方法在很大程度上有效地降低了網(wǎng)絡復雜度,但在BSDS500數(shù)據(jù)集上的ODS指標僅達到0.772(HED[3]為0.788).因此,Wibisono等[2]又提出FINED模型.其在TIN方法基礎(chǔ)上,對Enrichment和Summarizer修改、擴充,使檢測效果得到了極大提升;其還引入training helper概念,有效地控制了網(wǎng)絡的計算復雜度.

    3 細粒度多尺度特征表示的輕量級邊緣檢測方法

    深度學習邊緣檢測方法是使用大量圖像及標簽對(源于邊緣檢測的數(shù)據(jù)集中)聯(lián)合訓練深度網(wǎng)絡模型,使其具有更強的魯棒性.檢驗邊緣檢測模型好壞的方法是給定一個待檢測圖像,將其輸入到已訓練好的模型中,查看檢測到的邊緣圖與標簽圖是否接近以及得到的邊緣是否清晰、準確.

    3.1 網(wǎng)絡架構(gòu)

    FMLED網(wǎng)絡總體架構(gòu)如圖2所示.本模型受經(jīng)典的邊緣檢測方法HED和ResNet[25]網(wǎng)絡啟發(fā).ResNet50網(wǎng)絡包括7*7卷積層、4個塊以及平均池化層,其中每個塊都由若干Residual Block搭建而成.ResNet50是在VGG 網(wǎng)絡基礎(chǔ)上增加“跳躍連接”而構(gòu)成.所有Residual Block中均不存在池化層,而是通過控制卷積層的步長來實現(xiàn)池化操作.網(wǎng)絡最后,通過平均池化層代替全連接層來得到最終特征.

    本模型在7*7卷積層、block1及block2后輸出特征圖,并連接上采樣塊得到中間邊緣圖(所有上采樣塊不共享權(quán)重).接著,將上采樣塊產(chǎn)生的所有邊緣圖拼接,并輸入到網(wǎng)絡最末端的學習濾波器中.最終,得到融合中間特征的邊緣圖.網(wǎng)絡中所有卷積層后均要進行規(guī)范化處理以及ReLU操作(僅學習濾波器中的最后一個卷積層后無Relu激活).最大池化設(shè)置kernel_size=3,stride=2,padding=1.盡管本文框架受ResNet啟發(fā),但相似之處僅在于部分主要模塊及其連接方式.與ResNet50模型相比,FMLED修改部分可總結(jié)如下:

    1)使用Res2Net Module[26]替代Residual Block.Res2Net Module使用一個較小的3*3過濾器組代替Residual Block中的單分支3*3卷積核,并以層級殘差方式連接過濾器組.這種殘差分層架構(gòu)增加了塊內(nèi)感受野,從根本上改變了提取圖像特征的分層表示方式.

    2)去除block3、block4及平均池化層部分.去除block3、block4是在保證邊緣檢測質(zhì)量的前提下,極大地減少了網(wǎng)絡復雜度.而添加平均池化層會出現(xiàn)邊緣定位不精準的問題.

    3)將ResNet50中的7*7卷積層、block1及block2輸出連接到卷積核大小為1*1、通道深度為1的卷積層上,以將不同階段特征減小至單通道.此操作簡稱降維.

    4)增加Upsampling層.為便于中間結(jié)果的融合,對不同階段特征進行上采樣使特征圖與輸入圖像尺寸相同(FMLED模型選用雙線性插值法對特征圖進行上采樣).每個上采樣層后,需連接交叉熵損失層(具體計算見3.2節(jié)).

    5)增加學習濾波器.拼接各階段特征圖,并使用3*3卷積層組學習每個像素的權(quán)重.最后,根據(jù)像素權(quán)重融合各階段邊緣圖.

    為便于本模型在訓練階段對圖像的批量操作,須將輸入圖像大小調(diào)整至1024×1024.由于輸入均為彩色圖像,可將調(diào)整后的圖像尺寸表示為(3,1024,1024).以BIPED數(shù)據(jù)集中的圖像(720×1280)為例,邊緣預測過程如下:首先,對圖像進行預處理,將其大小調(diào)整為(3,1024,1024);其次,使用模型中的7*7卷積層、block1及block2提取圖像特征,得到尺寸分別為(64,512,512)、(256,256,256)、(512,128,128)的特征圖;然后,使用降維及上采樣操作得到不同階段的中間邊緣圖(尺寸與輸入圖像尺寸相同,均為(1,720,1280));接著,將所有中間邊緣圖拼接(尺寸為(3,720,1280))并輸入到學習濾波器中,得到相應的像素權(quán)重(尺寸為(3,720,1280)).最后,聯(lián)合中間邊緣圖與像素權(quán)重并對維度0進行“sum”操作,得到融合邊緣圖((1,720,1280)).

    大多數(shù)現(xiàn)有的深度學習邊緣檢測方法是通過分層來表示多尺度特征學習,而FMLED模型使用Res2Net Module的殘差分層架構(gòu),在細粒度層級上提高了神經(jīng)網(wǎng)絡的多尺度表示能力,并增加了每個網(wǎng)絡層輸出特征能代表的尺度數(shù)量.在特征融合階段,HED、RCF、DexiNed等模型均通過1*1卷積融合各階段的邊緣圖;而FMLED模型通過使用學習濾波器組來學習不同像素相對應的權(quán)重,使得到的邊緣圖可以更好的融合中間特征.

    深度學習邊緣檢測方法已達到較高的檢測精度,但網(wǎng)絡參數(shù)量偏高.而FMLED模型(見圖2)參數(shù)量僅1.43MB,極大地增加了其實際應用.現(xiàn)有的輕量級神經(jīng)網(wǎng)絡雖然很大程度上減少了計算復雜度,但檢測效果不佳;而FMLED模型不增加計算負載但可以得到更細致且定位更準確的邊緣 (見圖1).

    圖2 FMLED模型結(jié)構(gòu)圖Fig.2 FMLED model structure

    3.2 損失函數(shù)

    在邊緣檢測任務中,損失函數(shù)是用于表現(xiàn)預測邊緣圖與標簽圖之間的差距程度,是一個非負實數(shù)函數(shù).損失函數(shù)越小,模型的魯棒性則越好.

    (1)

    其中,Xi、yi分別表示輸入圖像第i個像素值及相應的ground-truth;W為模型權(quán)重.通過設(shè)置η,忽略部分可能混淆網(wǎng)絡的弱邊.α和β的計算方法如公式(2)所示.

    (2)

    |Y+|表示邊緣圖中正樣本數(shù)量,|Y-|為負樣本數(shù)量.參數(shù)λ用于平衡正負樣本數(shù)差距大的情況.

    綜上,訓練階段總損失的計算如公式(3)所示.

    (3)

    其中,|I|為輸入圖像的像素總數(shù),N-1為模型中間邊緣圖數(shù)量.

    (4)

    (5)

    4 實 驗

    4.1 實驗設(shè)計

    通過使用Pytorch架構(gòu)進行深度學習來實現(xiàn)本文邊緣檢測方法,并使用反向傳播和隨機梯度下降來訓練網(wǎng)絡.其中包括訓練超參數(shù)初始學習率、權(quán)重衰減和β.在訓練階段設(shè)置初始學習率為1e-2,并使用公式(6)不斷調(diào)整訓練中的學習率.

    (6)

    在梯度下降求解神經(jīng)網(wǎng)絡參數(shù)過程中,使用Momentum優(yōu)化方法來加快收斂速度,設(shè)置Momentum中參數(shù)β為0.9、權(quán)重衰減(weight decay)為5e-4.實驗在一塊NVIDIA GTX 1080Ti(11GB)顯卡上完成.整個實驗過程中,使用Python語言完成網(wǎng)絡搭建、訓練和測試;并使用Matlab對測試結(jié)果進行評估.

    4.2 數(shù)據(jù)集

    BSDS500:Berkeley Segmentation Data Set是由伯克利大學提供的數(shù)據(jù)集.其可用來圖像分割和物體輪廓檢測.該數(shù)據(jù)集包含200張訓練圖、100張驗證圖、200張測試圖;所有g(shù)round-truth均用.mat文件保存.HED、RCF、BDCN等經(jīng)典的邊緣檢測方法在訓練階段使用對初始訓練集及驗證集的300張圖片進行數(shù)據(jù)擴充(旋轉(zhuǎn)、翻轉(zhuǎn)、尺度縮放)而得到的28800張訓練圖.距離容差d (即控制預測邊緣和ground-truth之間匹配的最大間距)設(shè)置為0.0075.

    圖3 不同數(shù)據(jù)集的原圖、GT以及FMLED模型生成的邊緣圖對比Fig.3 Comparison of the original images GTs and the edge images generated by FMLED model of differenct datasets

    BIPED:該數(shù)據(jù)集由Xavier Soria等人提出,其包含200張訓練圖和50張測試圖.由于初始訓練集偏少,會使訓練所得模型出現(xiàn)過擬合現(xiàn)象,使模型不具備較強的魯棒性.因此,對初始訓練集采用數(shù)據(jù)擴充(旋轉(zhuǎn)、翻轉(zhuǎn)、尺度縮放)得到57600張訓練圖.距離容差d仍設(shè)為0.0075.在當前工作中,僅使用數(shù)據(jù)擴充后的BIPED數(shù)據(jù)集進行訓練.

    NYUD:New York University Dataset是一組1449張的RGB-D圖像(包含464個室內(nèi)場景),其用于圖像分割.該數(shù)據(jù)集被分成3個部分,即訓練集、驗證集和測試集.測試集包含654張圖像,剩余的795張圖像被用于訓練及驗證.與HED、RCF、ContourGAN等工作相同,將其距離容差d設(shè)為0.011.

    3個數(shù)據(jù)集的部分圖像、對應的標簽圖以及FMLED模型檢測效果如圖3所示.

    4.3 評估指標

    邊緣檢測模型輸出均為邊緣概率圖,并非二值矩陣.其表示該像素是邊緣的概率p,p∈[0,1].為便于評估,需設(shè)計閾值對概率圖進行二值化得到二值邊緣圖.

    ODS、OIS作為邊緣檢測最常用的評估指標,是設(shè)置閾值的兩個不同方法.ODS是為所有圖像設(shè)置同樣的閾值,使得整個數(shù)據(jù)集上的F-Measure最大;而OIS(Optimal Scale Image)是在每一張圖片上均選取不同閾值,使得該圖片的F-Measure最大.

    5 實驗結(jié)果及分析

    在BSDS500、NYUD和BIPED數(shù)據(jù)集上,將FMLED模型與先進的邊緣檢測方法進行定性和定量比較,主要包括傳統(tǒng)邊緣檢測方法Canny、機器學習方法Pb、gPb、SE和OEF以及經(jīng)典的深度學習邊緣檢測方法HED、RCF、BDCN、DexiNed、TIN和FINED.

    5.1 BSDS500、NYUD數(shù)據(jù)集上的結(jié)果分析

    本小節(jié)將在BSDS500及NYUD數(shù)據(jù)集上對不同邊緣檢測方法進行定量、定性分析.

    5.1.1 定量分析

    表1、表2展示了在BSDS500測試集及NYUD測試集上,不同邊緣檢測模型在精度度量和模型參數(shù)量兩方面的定量對比結(jié)果.

    表1 BSDS500測試集上不同邊緣檢測方法的定量比較Table 1 Quantitative comparison of different edge detection methods on BSDS500 test set

    從表1可以看出,在BSDS500數(shù)據(jù)集上,BDCN是目前精度領(lǐng)先的邊緣檢測方法.FMLED模型參數(shù)量僅1.43MB,但檢測精度卻要低于其他檢測方法.這很大程度上是因為該數(shù)據(jù)集是用于圖像輪廓/邊界檢測和語義分割的數(shù)據(jù)集.其相對于專用于邊緣檢測的BIPED數(shù)據(jù)集,圖像中缺少許多重要的細節(jié)邊緣.在評估模型過程中,BSDS500數(shù)據(jù)集的標簽圖中僅包含輪廓邊緣,這并不利于FMLED模型檢測到的細節(jié)邊緣.

    表2 NYUD測試集上不同邊緣檢測方法的定量比較Table 2 Quantitative comparison of different edge detection methods on NYUD test set

    如表2所示,在NYUD數(shù)據(jù)集上,CATS-RCF模型的ODS指標得到最高;FMLED到達與DexiNed方法相近的檢測精度,但參數(shù)量卻相差22倍以上.FMLED方法ODS指標偏低的主要原因與其在BSDS500數(shù)據(jù)集上的情況相同,NYUD數(shù)據(jù)集中的標簽圖同樣缺少細節(jié)邊緣.

    5.1.2 定性分析

    圖4和圖5展示了不同邊緣檢測方法在BSDS500、NYUD數(shù)據(jù)集上的定性對比結(jié)果.其中,圖4是各模型在BSDS500數(shù)據(jù)集上的比較結(jié)果,從左到右分別表示原始圖像、標簽邊緣圖、HED模型檢測結(jié)果、BDCN模型檢測結(jié)果、FINED3_tra模型檢測結(jié)果、DexiNed模型檢測結(jié)果以及本文模型檢測結(jié)果.從圖4可以清晰的看出,精度領(lǐng)先的BDCN方法檢測結(jié)果更接近圖像的標簽邊緣圖,因此也更適用于圖像輪廓/邊界檢測;FMLED模型與同為輕量級邊緣檢測方法且參數(shù)量相同的Fined3_tra相比,得到的邊緣更清晰、定位更準確.

    圖4 BSDS500數(shù)據(jù)集上不同邊緣檢測算法的檢測結(jié)果對比Fig.4 Comparison of results of different edge detection algorithms on BSDS500 dataset

    圖5是不同模型在NYUD數(shù)據(jù)集上的定性比較結(jié)果,從左到右分別代表原始圖像、標簽邊緣圖、TIN2模型檢測結(jié)果、CATS-RCF模型檢測結(jié)果、DexiNed模型檢測結(jié)果以及本文模型檢測結(jié)果.如圖5所示,相比于在NYUD數(shù)據(jù)集上精度領(lǐng)先的CATS-RCF方法,FMLED模型檢測到的邊緣更細致.其與同為輕量級檢測方法的TIN2相比,獲得了更清晰、定位更準確的邊緣.而與參數(shù)量相差二十倍且注重于生成細邊緣的DexiNed模型相比,視覺上得到的邊緣圖具有相當?shù)男Ч?

    圖5 NYUD數(shù)據(jù)集上不同邊緣檢測算法的檢測結(jié)果對比Fig.5 Comparison of results of different edge detection algorithms on NYUD dataset

    5.2 BIPED數(shù)據(jù)集上的結(jié)果分析

    本小節(jié)將從定量及定性兩方面對不同邊緣檢測方法在BIPED數(shù)據(jù)集的結(jié)果進行分析、比較.

    5.2.1 定量分析

    表3總結(jié)了不同邊緣檢測方法在BIPED數(shù)據(jù)集上的定量對比結(jié)果.對比可知,DexiNed模型是目前精度領(lǐng)先的邊緣檢測方法,ODS指標高達0.857.但其參數(shù)量(參數(shù)量為33.14MB)卻要遠高于現(xiàn)有的邊緣檢測方法;在相同或更小的模型尺寸下,FMLED模型具有最高的檢測精度.同時,FMLED模型檢測精度與RCF、BDCN方法大致相同,但參數(shù)量減少了十倍以上.

    表3 BIPED測試集上不同邊緣檢測方法的定量比較Table 3 Quantitative comparison of different edge detection methods on BIPED test set

    5.2.2 定性分析

    在不同數(shù)據(jù)集上評估模型時,與FMLED模型對比的邊緣檢測方法(除DexiNed方法之外) 都必須使用該數(shù)據(jù)集的圖像對模型進行訓練;而FMLED與DexiNed模型僅使用BIPED數(shù)據(jù)集訓練一次,便可用于不同數(shù)據(jù)集的測試.

    圖6顯示了在BIPED測試集上最新的輕量級邊緣檢測方法、精度領(lǐng)先的DexiNed方法和FINED模型之間視覺上的比較.如圖6所示,FMLED與DexiNed方法在視覺上具有相當?shù)男Ч?但FMLED模型參數(shù)量為1.43MB;而DexiNed為33.14MB.而與同為輕量級邊緣檢測的TIN、FINED方法相比,視覺上FMLED模型檢測效果更佳.

    圖6 BIPED數(shù)據(jù)集上不同邊緣檢測算法的檢測結(jié)果對比Fig.6 Comparison of results of different edge detection algorithms on BIPED dataset

    6 結(jié)束語

    本文提出一種新的基于卷積神經(jīng)網(wǎng)絡的單階段(image-to-image)邊緣檢測模型.其設(shè)計初衷是搭建一個可得到高質(zhì)量邊緣的輕量級網(wǎng)絡架構(gòu).通過使用細粒度級方式表示多尺度特征,使其具備更強的多規(guī)模特征提取能力.這種方式以最小的附加塊提取特征,增加網(wǎng)絡層的感受野范圍但不增大計算負載.此外,還通過學習濾波器結(jié)合中間層的特征圖以學習不同像素的權(quán)值,減輕因平均操作而導致的邊緣模糊問題.實驗結(jié)果表明,在專用于邊緣檢測的數(shù)據(jù)集上,本文模型比經(jīng)典的邊緣檢測方法HED、CED、RCF、BDCN檢測精度更高,且參數(shù)量減小了13MB~19MB;與現(xiàn)有的輕量級方法相比,其檢測精度更高、生成的邊緣質(zhì)量更優(yōu).未來工作將通過使用本文模型來解決輪廓/邊界檢測問題.

    猜你喜歡
    集上邊緣卷積
    基于3D-Winograd的快速卷積算法設(shè)計及FPGA實現(xiàn)
    Cookie-Cutter集上的Gibbs測度
    鏈完備偏序集上廣義向量均衡問題解映射的保序性
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    基于傅里葉域卷積表示的目標跟蹤算法
    復扇形指標集上的分布混沌
    一張圖看懂邊緣計算
    一種基于卷積神經(jīng)網(wǎng)絡的性別識別方法
    幾道導數(shù)題引發(fā)的解題思考
    在邊緣尋找自我
    雕塑(1999年2期)1999-06-28 05:01:42
    国产伦人伦偷精品视频| 国产免费现黄频在线看| 中文字幕人妻丝袜一区二区| 十八禁网站网址无遮挡| 亚洲第一青青草原| 国产伦理片在线播放av一区| 精品少妇黑人巨大在线播放| 色94色欧美一区二区| 亚洲国产日韩一区二区| 看免费成人av毛片| 国产三级黄色录像| 欧美激情高清一区二区三区| 天天躁夜夜躁狠狠久久av| 久久99精品国语久久久| 国产成人影院久久av| 超色免费av| 日本午夜av视频| 男人操女人黄网站| 亚洲欧美成人综合另类久久久| 精品一区二区三区四区五区乱码 | av天堂久久9| 午夜免费鲁丝| 日日夜夜操网爽| 丰满少妇做爰视频| 精品福利观看| 一区二区三区激情视频| 欧美 日韩 精品 国产| 人人妻,人人澡人人爽秒播 | 叶爱在线成人免费视频播放| 亚洲七黄色美女视频| 超色免费av| 婷婷色综合大香蕉| 老司机午夜十八禁免费视频| 又粗又硬又长又爽又黄的视频| 午夜久久久在线观看| 亚洲av电影在线观看一区二区三区| 欧美日韩视频高清一区二区三区二| 国产成人免费无遮挡视频| 午夜福利影视在线免费观看| 狂野欧美激情性bbbbbb| 999精品在线视频| 啦啦啦啦在线视频资源| 老熟女久久久| 成年动漫av网址| 亚洲国产精品999| 欧美日本中文国产一区发布| 99国产综合亚洲精品| 天天操日日干夜夜撸| 亚洲一区二区三区欧美精品| 日本av免费视频播放| 国产精品亚洲av一区麻豆| 国产高清国产精品国产三级| 午夜91福利影院| 水蜜桃什么品种好| 午夜视频精品福利| 一本久久精品| 一二三四在线观看免费中文在| 激情视频va一区二区三区| 日韩制服丝袜自拍偷拍| 国产精品久久久av美女十八| 亚洲男人天堂网一区| 久久精品人人爽人人爽视色| 精品国产乱码久久久久久男人| 中国美女看黄片| 制服诱惑二区| 国产精品亚洲av一区麻豆| 久久人人爽av亚洲精品天堂| 大片免费播放器 马上看| 狂野欧美激情性bbbbbb| 国产在线一区二区三区精| 国产不卡av网站在线观看| 久久国产精品大桥未久av| 男女边摸边吃奶| 精品国产一区二区久久| 婷婷丁香在线五月| 欧美久久黑人一区二区| av国产久精品久网站免费入址| 黄色视频在线播放观看不卡| 每晚都被弄得嗷嗷叫到高潮| 波多野结衣av一区二区av| 人人妻人人爽人人添夜夜欢视频| 成在线人永久免费视频| 中国美女看黄片| 日韩伦理黄色片| 国产精品亚洲av一区麻豆| 黑人猛操日本美女一级片| 中文字幕av电影在线播放| 日本欧美国产在线视频| 欧美 日韩 精品 国产| 在线观看一区二区三区激情| 熟女av电影| 人体艺术视频欧美日本| 日韩大码丰满熟妇| 日本一区二区免费在线视频| 亚洲国产欧美在线一区| 欧美另类一区| 亚洲成人手机| 免费日韩欧美在线观看| 亚洲av综合色区一区| 国产免费又黄又爽又色| 捣出白浆h1v1| 欧美精品人与动牲交sv欧美| 男人操女人黄网站| 各种免费的搞黄视频| 亚洲欧洲精品一区二区精品久久久| 久久国产亚洲av麻豆专区| 欧美日韩av久久| 在线亚洲精品国产二区图片欧美| 无遮挡黄片免费观看| 亚洲人成网站在线观看播放| www.av在线官网国产| 男的添女的下面高潮视频| 午夜老司机福利片| 亚洲精品国产一区二区精华液| av在线播放精品| 亚洲精品日本国产第一区| 日韩中文字幕欧美一区二区 | 中国美女看黄片| 国产成人91sexporn| 人人澡人人妻人| 久久精品亚洲熟妇少妇任你| 免费看av在线观看网站| 男女午夜视频在线观看| 1024香蕉在线观看| 久久国产精品大桥未久av| a级毛片在线看网站| 亚洲人成电影免费在线| 久久久国产一区二区| 看免费av毛片| 欧美精品亚洲一区二区| 人人妻,人人澡人人爽秒播 | 欧美日韩视频精品一区| 高清av免费在线| 久久午夜综合久久蜜桃| 不卡av一区二区三区| 国产爽快片一区二区三区| 国产av一区二区精品久久| 中文字幕人妻丝袜一区二区| 亚洲精品日韩在线中文字幕| 在线观看国产h片| 久久精品亚洲熟妇少妇任你| 美女视频免费永久观看网站| 伊人久久大香线蕉亚洲五| 国产日韩欧美在线精品| 国产成人一区二区在线| 亚洲欧美一区二区三区黑人| 制服诱惑二区| av网站在线播放免费| 国产成人a∨麻豆精品| 欧美性长视频在线观看| 午夜精品国产一区二区电影| 午夜免费观看性视频| 波野结衣二区三区在线| 十八禁人妻一区二区| 国产精品亚洲av一区麻豆| 欧美大码av| 一本大道久久a久久精品| 悠悠久久av| 亚洲人成网站在线观看播放| 性色av乱码一区二区三区2| 美女主播在线视频| 国产精品三级大全| 午夜91福利影院| 成年av动漫网址| 国产一区有黄有色的免费视频| 国产伦理片在线播放av一区| 亚洲精品一二三| 大陆偷拍与自拍| 亚洲精品日韩在线中文字幕| 精品欧美一区二区三区在线| 久久99热这里只频精品6学生| 9191精品国产免费久久| 国产av国产精品国产| 热99国产精品久久久久久7| www日本在线高清视频| 飞空精品影院首页| 久久av网站| 国产色视频综合| 国产高清国产精品国产三级| 免费在线观看视频国产中文字幕亚洲 | av福利片在线| 久久久久视频综合| 午夜免费鲁丝| 少妇 在线观看| 免费黄频网站在线观看国产| 亚洲中文av在线| 亚洲熟女精品中文字幕| 午夜免费鲁丝| 在线亚洲精品国产二区图片欧美| 成人免费观看视频高清| 精品久久久久久电影网| 日本av手机在线免费观看| 中文字幕精品免费在线观看视频| 麻豆乱淫一区二区| 十八禁高潮呻吟视频| 老司机影院毛片| 国产成人免费观看mmmm| 亚洲精品日本国产第一区| av欧美777| 一级,二级,三级黄色视频| 国产高清国产精品国产三级| 在现免费观看毛片| 国产深夜福利视频在线观看| 免费在线观看完整版高清| 日韩av不卡免费在线播放| 91麻豆av在线| 热99国产精品久久久久久7| 午夜影院在线不卡| 中文字幕人妻丝袜制服| 极品人妻少妇av视频| 中文字幕av电影在线播放| 麻豆乱淫一区二区| 国产欧美日韩一区二区三 | 18禁国产床啪视频网站| 高清黄色对白视频在线免费看| 女人精品久久久久毛片| 亚洲成人手机| 狠狠精品人妻久久久久久综合| h视频一区二区三区| 欧美日韩综合久久久久久| 国产成人一区二区三区免费视频网站 | 自拍欧美九色日韩亚洲蝌蚪91| 国产1区2区3区精品| 国产无遮挡羞羞视频在线观看| 久久精品国产亚洲av涩爱| 午夜av观看不卡| 丰满迷人的少妇在线观看| 老司机在亚洲福利影院| 日本欧美视频一区| 午夜福利在线免费观看网站| 亚洲欧洲国产日韩| av国产精品久久久久影院| 黄色 视频免费看| 精品少妇黑人巨大在线播放| 久9热在线精品视频| 久久久久久久精品精品| 亚洲欧美激情在线| 美女中出高潮动态图| 人成视频在线观看免费观看| 啦啦啦在线观看免费高清www| av国产精品久久久久影院| 丰满少妇做爰视频| av天堂在线播放| 亚洲人成77777在线视频| 国产色视频综合| 少妇人妻久久综合中文| 亚洲国产精品一区三区| 9色porny在线观看| 一级黄片播放器| 精品人妻在线不人妻| av网站免费在线观看视频| 大码成人一级视频| 老司机亚洲免费影院| 欧美在线黄色| 欧美激情高清一区二区三区| 操美女的视频在线观看| 精品少妇内射三级| 成年av动漫网址| 性高湖久久久久久久久免费观看| 在线观看免费午夜福利视频| 中文字幕av电影在线播放| 国产欧美日韩一区二区三区在线| 99re6热这里在线精品视频| 免费观看a级毛片全部| 日日夜夜操网爽| 18禁观看日本| 欧美激情极品国产一区二区三区| 亚洲人成电影免费在线| 午夜福利视频精品| 新久久久久国产一级毛片| 欧美日韩亚洲综合一区二区三区_| 少妇人妻久久综合中文| 无限看片的www在线观看| 午夜福利乱码中文字幕| 日韩大码丰满熟妇| 久久久久久久精品精品| 伊人久久大香线蕉亚洲五| 中文字幕人妻丝袜制服| 操美女的视频在线观看| 99国产精品一区二区三区| 国产xxxxx性猛交| 国产免费福利视频在线观看| 可以免费在线观看a视频的电影网站| 欧美 亚洲 国产 日韩一| 国产在线观看jvid| 99国产精品一区二区蜜桃av | 天天躁日日躁夜夜躁夜夜| 黄色a级毛片大全视频| 老司机靠b影院| 久久久国产精品麻豆| 成人国语在线视频| 亚洲自偷自拍图片 自拍| 美女中出高潮动态图| 欧美精品一区二区大全| 日韩av免费高清视频| 一二三四在线观看免费中文在| 亚洲av美国av| 美女主播在线视频| 亚洲国产欧美网| 国产xxxxx性猛交| 十八禁人妻一区二区| 高潮久久久久久久久久久不卡| 国产爽快片一区二区三区| 夫妻性生交免费视频一级片| 一本色道久久久久久精品综合| a 毛片基地| 亚洲成av片中文字幕在线观看| 日本wwww免费看| 中文字幕精品免费在线观看视频| 国产精品国产av在线观看| 在线观看免费日韩欧美大片| 久久精品久久精品一区二区三区| 亚洲 国产 在线| 免费女性裸体啪啪无遮挡网站| 精品欧美一区二区三区在线| 国产视频一区二区在线看| 在线精品无人区一区二区三| 亚洲国产av影院在线观看| 精品久久久精品久久久| 国产真人三级小视频在线观看| 亚洲精品自拍成人| 久久青草综合色| 涩涩av久久男人的天堂| 亚洲七黄色美女视频| 亚洲精品国产色婷婷电影| 婷婷成人精品国产| 国产男女超爽视频在线观看| 中文精品一卡2卡3卡4更新| 久久久久国产精品人妻一区二区| 在线精品无人区一区二区三| 亚洲国产av影院在线观看| 下体分泌物呈黄色| 亚洲成av片中文字幕在线观看| 亚洲国产av新网站| 热99国产精品久久久久久7| 亚洲成人国产一区在线观看 | 亚洲精品国产av蜜桃| 香蕉丝袜av| 夫妻午夜视频| 啦啦啦啦在线视频资源| 国产男女超爽视频在线观看| 亚洲精品国产一区二区精华液| 免费在线观看影片大全网站 | 日韩中文字幕视频在线看片| 国产精品一区二区精品视频观看| 亚洲人成77777在线视频| 国产激情久久老熟女| 国产高清视频在线播放一区 | 夫妻性生交免费视频一级片| 91麻豆av在线| 建设人人有责人人尽责人人享有的| 亚洲成色77777| 国产男女内射视频| 亚洲三区欧美一区| av有码第一页| 汤姆久久久久久久影院中文字幕| 黄片播放在线免费| www.自偷自拍.com| 高清黄色对白视频在线免费看| 中国国产av一级| 老熟女久久久| 男女边摸边吃奶| 国产成人a∨麻豆精品| 亚洲国产看品久久| 国产一区二区三区av在线| 亚洲成人手机| 青春草视频在线免费观看| 最新的欧美精品一区二区| 99久久99久久久精品蜜桃| 人妻 亚洲 视频| 99热国产这里只有精品6| 下体分泌物呈黄色| 19禁男女啪啪无遮挡网站| √禁漫天堂资源中文www| 欧美+亚洲+日韩+国产| 老鸭窝网址在线观看| 黄色毛片三级朝国网站| 青春草视频在线免费观看| 久9热在线精品视频| 国产精品熟女久久久久浪| 男女床上黄色一级片免费看| e午夜精品久久久久久久| 国产日韩欧美视频二区| 成人亚洲精品一区在线观看| 一级毛片电影观看| 亚洲国产精品国产精品| 丝袜人妻中文字幕| 亚洲欧美一区二区三区久久| 两个人免费观看高清视频| 亚洲熟女精品中文字幕| 99国产精品一区二区三区| 99国产精品免费福利视频| 精品欧美一区二区三区在线| 每晚都被弄得嗷嗷叫到高潮| 男女免费视频国产| av在线播放精品| 久热这里只有精品99| 国产一区二区在线观看av| 99热全是精品| 国产av精品麻豆| 搡老乐熟女国产| 男女无遮挡免费网站观看| 日韩伦理黄色片| 欧美性长视频在线观看| 一二三四社区在线视频社区8| 在线av久久热| 亚洲精品中文字幕在线视频| 99国产精品一区二区蜜桃av | 国产亚洲av高清不卡| 丝袜美腿诱惑在线| 青青草视频在线视频观看| 国产xxxxx性猛交| 操出白浆在线播放| 国产精品久久久久久精品电影小说| 国产欧美亚洲国产| 亚洲精品国产一区二区精华液| 黑人巨大精品欧美一区二区蜜桃| 国产黄色免费在线视频| 2021少妇久久久久久久久久久| 岛国毛片在线播放| 欧美另类一区| av在线老鸭窝| 最黄视频免费看| 国产日韩欧美视频二区| 亚洲国产欧美一区二区综合| 中文字幕高清在线视频| 亚洲第一青青草原| 久久久国产一区二区| 中文字幕制服av| 最新的欧美精品一区二区| 日本欧美国产在线视频| 在线天堂中文资源库| 免费av中文字幕在线| 亚洲少妇的诱惑av| 国产黄频视频在线观看| 高清不卡的av网站| 日本欧美视频一区| 一级毛片 在线播放| 丝袜在线中文字幕| 男的添女的下面高潮视频| 亚洲国产最新在线播放| 久久久久精品人妻al黑| 一边亲一边摸免费视频| 乱人伦中国视频| 69精品国产乱码久久久| 欧美乱码精品一区二区三区| 日韩,欧美,国产一区二区三区| 男女高潮啪啪啪动态图| 少妇精品久久久久久久| av福利片在线| 久久久精品区二区三区| 天天躁夜夜躁狠狠久久av| 亚洲专区中文字幕在线| 欧美激情极品国产一区二区三区| 色综合欧美亚洲国产小说| 亚洲伊人色综图| 久久性视频一级片| 曰老女人黄片| 夫妻性生交免费视频一级片| 欧美久久黑人一区二区| 日韩精品免费视频一区二区三区| 久久这里只有精品19| 午夜两性在线视频| 最近最新中文字幕大全免费视频 | 久久亚洲国产成人精品v| 少妇人妻久久综合中文| 亚洲精品中文字幕在线视频| 久久久久久久久久久久大奶| 国语对白做爰xxxⅹ性视频网站| 国产精品九九99| 黑人欧美特级aaaaaa片| 80岁老熟妇乱子伦牲交| 精品久久久久久电影网| 老司机靠b影院| 麻豆av在线久日| 中文乱码字字幕精品一区二区三区| 精品久久久久久久毛片微露脸 | 久久精品久久久久久噜噜老黄| 少妇 在线观看| 亚洲一码二码三码区别大吗| 女人爽到高潮嗷嗷叫在线视频| 亚洲精品美女久久av网站| 搡老乐熟女国产| avwww免费| 亚洲国产欧美在线一区| 国产野战对白在线观看| 视频区图区小说| 国产成人欧美| 在线观看免费日韩欧美大片| 精品少妇一区二区三区视频日本电影| 男女下面插进去视频免费观看| 亚洲欧美清纯卡通| 成人亚洲精品一区在线观看| av国产精品久久久久影院| 亚洲,欧美精品.| www.熟女人妻精品国产| 久久国产精品男人的天堂亚洲| 性少妇av在线| av线在线观看网站| 亚洲欧美成人综合另类久久久| 婷婷成人精品国产| 两性夫妻黄色片| 精品少妇一区二区三区视频日本电影| 交换朋友夫妻互换小说| av不卡在线播放| 人人妻人人澡人人爽人人夜夜| 国产成人免费无遮挡视频| 久久久久精品人妻al黑| 高潮久久久久久久久久久不卡| 久久天堂一区二区三区四区| √禁漫天堂资源中文www| 美女午夜性视频免费| 婷婷丁香在线五月| 国产一区有黄有色的免费视频| 爱豆传媒免费全集在线观看| 丝袜喷水一区| 亚洲伊人久久精品综合| 老熟女久久久| 久久这里只有精品19| 日韩制服丝袜自拍偷拍| 亚洲av成人精品一二三区| 好男人电影高清在线观看| 日本色播在线视频| 亚洲国产欧美日韩在线播放| 亚洲熟女精品中文字幕| 一区二区三区激情视频| 久久免费观看电影| 亚洲欧美日韩另类电影网站| 男女边摸边吃奶| 久久国产精品影院| 久久久亚洲精品成人影院| 一级a爱视频在线免费观看| av网站免费在线观看视频| 女性被躁到高潮视频| 国产成人精品无人区| 国产精品久久久久久精品电影小说| 满18在线观看网站| 又黄又粗又硬又大视频| 国产有黄有色有爽视频| 欧美人与性动交α欧美软件| 亚洲欧美一区二区三区黑人| 国产精品熟女久久久久浪| 99国产精品一区二区蜜桃av | 国产野战对白在线观看| 一级毛片 在线播放| 欧美精品高潮呻吟av久久| 777米奇影视久久| 日韩欧美一区视频在线观看| 欧美另类一区| 国产欧美日韩一区二区三 | 视频区图区小说| 丝瓜视频免费看黄片| 桃花免费在线播放| 在线观看一区二区三区激情| 爱豆传媒免费全集在线观看| 国产成人系列免费观看| 91麻豆av在线| 亚洲精品久久成人aⅴ小说| 男女高潮啪啪啪动态图| 欧美变态另类bdsm刘玥| 久久人人爽av亚洲精品天堂| 欧美老熟妇乱子伦牲交| 亚洲精品乱久久久久久| 午夜福利视频在线观看免费| 大片电影免费在线观看免费| 人妻 亚洲 视频| 在线观看国产h片| 十八禁网站网址无遮挡| 国产1区2区3区精品| 国产一区二区激情短视频 | 亚洲av片天天在线观看| 看十八女毛片水多多多| 一本综合久久免费| 天天操日日干夜夜撸| 精品少妇一区二区三区视频日本电影| 青草久久国产| 久久人人97超碰香蕉20202| 欧美黄色淫秽网站| 国产真人三级小视频在线观看| 国产精品 欧美亚洲| 黄片小视频在线播放| 免费一级毛片在线播放高清视频 | 中文字幕最新亚洲高清| www.999成人在线观看| 亚洲中文日韩欧美视频| 51午夜福利影视在线观看| 九色亚洲精品在线播放| 欧美精品一区二区免费开放| 国产爽快片一区二区三区| 亚洲精品乱久久久久久| 精品人妻在线不人妻| 校园人妻丝袜中文字幕| 免费高清在线观看日韩| 热99国产精品久久久久久7| 日韩av在线免费看完整版不卡| 老汉色∧v一级毛片| 99热网站在线观看| 国产精品香港三级国产av潘金莲 | 亚洲国产精品999| 欧美精品一区二区大全| 亚洲精品成人av观看孕妇| 香蕉国产在线看| av线在线观看网站| xxx大片免费视频| 亚洲第一青青草原| 国产1区2区3区精品| 少妇裸体淫交视频免费看高清 | 国产主播在线观看一区二区 | 男女床上黄色一级片免费看| 免费一级毛片在线播放高清视频 | 尾随美女入室| 中文字幕高清在线视频| 大型av网站在线播放| 亚洲精品中文字幕在线视频| 老司机午夜十八禁免费视频|