基于深度学习的图像边缘检测算法综述

• 全文链接
• 请求原文

作   者：

李翠锦;  瞿中; 

作者机构：

重庆邮电大学计算机科学与技术学院;  重庆工程学院电子信息学院; 

关键词：

损失函数;  卷积神经网络;  边缘检测;  深度学习;  多尺度融合; 

期刊名称：

计算机应用

i s s n：

1001-9081

年卷期：

2020 年 40 卷 011 期

页   码：

3280-3288

摘   要：

边缘检测是将图像中的突变的重要信息提取出来的过程,是计算机视觉领域研究热点,也是图像分割、目标检测与识别等多种中高层视觉任务的基础.近几年来,针对边缘轮廓线过粗以及检测精度不高等问题,业内提出了谱聚类、多尺度融合、跨层融合等基于深度学习的边缘检测算法.为了使更多研究者了解边缘检测的研究现状,首先,介绍了传统边缘检测的实现理论及方法;然后,总结了近年来基于深度学习的主要边缘检测方法,并依据实现技术对这些方法进行了分类,对其涉及的关键技术进行分析,发现对多尺度多层次融合与损失函数的选择是重要的研究方向.通过评价指标对各类方法进行了比较,可知边缘检测算法在伯克利大学数据集(BSDS500)上的最优数据集规模(ODS)经过多年研究从0.598提高到了0.828,接近人类视觉水平.最后,展示了边缘检测算法研究的发展方向.