[发明专利]一种基于双向级联网络的边缘检测方法、装置及设备

说明书

本发明公开了一种基于双向级联网络的边缘检测方法、装置及设备，该方法包括：构建双向级联网络；获取待识别的图像，将待识别的图像输入双向级联网络进行特征提取，生成特征图；将特征图进行采样生成边缘图像；将待检测目标的所有边缘图像进行融合生成目标边缘信息图像。本发明实施例的边缘检测方法通过双向级联网络实现，可实现较简单的网络结构，减少算法复杂度，提升边缘提取准确率。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于双向级联网络的边缘检测方法、装置及设备。

背景技术

随着人工智能行业的兴起，基于深度学习的视频目标跟踪技术越来越受大家的关注。视频目标跟踪方法大多是通过边界检测来进行目标的跟踪。边界检测的目标在于提取对象的边界，保留图像的边界信息，忽略不重要的东西，

现在技术中的边缘提取根据提取的轮廓有关，例如一个人的边缘中手部的轮廓和头部的轮廓尺度就不一样，手部弯曲的曲度很小，这样的边缘很难学习；但头部或者身体，就很宽很大，很好学习。因此多尺度问题就是边缘提取的重点。现有技术中使用超深层神经网络结构实现边缘提取，但是超深层神经网络结构进行边缘提取造成了大规模参数训练困难、耗时多、成本高的问题，还有一种方法采用图像金字塔与多级特征融合的方法，带来了冗余计算的问题。除网络结构问题外，还有训练策略的问题，在一定程度上都影响了最终的准确率。

因此现有技术中的边缘提取方法网络结构复杂，存在大量冗余计算，边缘提取准确率低。

因此，现有技术还有待于改进和发展。

发明内容

鉴于上述现有技术的不足，本发明的目的在于提供一种基于双向级联网络的边缘检测方法、装置及设备，旨在解决现有技术中边缘提取方法网络结构复杂，存在大量冗余计算，边缘提取准确率低的技术问题。

本发明的技术方案如下：

一种基于双向级联网络的边缘检测方法，所述方法包括：

构建双向级联网络；

获取待识别的图像，将待识别的图像输入双向级联网络进行特征提取，生成特征图；

将特征图进行采样生成边缘图像；

将待检测目标的所有边缘图像进行融合生成目标边缘信息图像。

进一步地，所述构建双向级联网络，包括：

构建初始卷积神经网络；

将初始卷积网络进行级联生成双向级联网络；

对双向级联网络进行训练时，采用双向损失函数对双向级联网络进行监督，生成目标双向级联网络。

进一步优选地，所述将待识别的图像输入双向级联网络进行特征提取，生成特征图，包括：

将待识别的图像输入双向级联网络；

获取双向级联网络中的各个隐含层；

控制每个隐含层分别提取不同层次的边缘对应的特征，生成特征图。

进一步优选地，所述双向级联网络的隐含层包括浅层的隐含层和深层的隐含层；

所述控制每个隐含层分别提取不同尺度的边缘对应的特征，生成特征图，包括：

控制浅层的隐含层获取第一尺度的边缘对应的特征，生成第一特征图；

控制深层的隐含层获取第二尺度的边缘对应的特征，生成第二特征图。

优选地，所述将特征图进行采样生成边缘图像，包括：

将第一特征图进行采样生成第一边缘图像；

将第二特征图进行采样生成第二边缘图像。