[发明专利]一种基于边缘信息的图像平面区域检测方法

权利要求书

1.一种基于边缘信息的图像平面区域检测方法，其特征在于，包括以下步骤：

步骤1、采用神经网络对图像提取各层级的基础骨架网络特征；

步骤2、将步骤1得到的各层级特征通过上采样与层间链接的方式提取多层级的上下文特征；

步骤3、将步骤1得到的中间层级的特征通过迭代优化网络层来提取图像的多层级边缘特征，并优化不同层级特征至预期的特征维度；

步骤4、将步骤2获得的多层级上下文特征以及步骤3获得的多层级边缘特征进行逐层级地成对融合，并将原本不同分辨率的上下文特征和边缘特征分辨率保持相同；

步骤5、将融合后的特征提供给要训练的下游图像平面检测任务目标模型，以提升目标模型在下游图像平面检测任务的表现。

2.根据权利要求1所述的基于边缘信息的图像平面区域检测方法，其特征在于：步骤1中，采用ResNet网络结构，每个层级输出的特征表示为

3.根据权利要求2所述的基于边缘信息的图像平面区域检测方法，其特征在于：步骤2中，使用FPN网络辅助ResNet神经网络，将多个层级的基础骨架网络特征通过上采样与层间链接的方式提取多层级的上下文特征；

用Py_i(·)(i＝2,3,4,5,6)表示FPN网络不同层级的函数，用表示FPN网络每一层的输出，通过如下方式处理ResNet神经网络各层级的输出，从而得到FPN网络各层级输出的图像的上下文特征

Up代表上采样。

4.根据权利要求3所述的基于边缘信息的图像平面区域检测方法，其特征在于：步骤3中，选择ResNet网络输出的三个中间层级的特征通过迭代优化网络层来提取图像的多层级边缘特征，将上述三个中间层级的特征作为输入，输入至由多个通道平滑缩减模块组成的迭代优化网络层，迭代优化网络层以2的倍率平滑减少输入特征的通道数，直到所有输入特征的通道数减少到256，得到边缘特征

5.根据权利要求4所述的基于边缘信息的图像平面区域检测方法，其特征在于：将上述步骤2获得的多层级上下文特征以及步骤3获得的多层级边缘特征送入分辨率自适应模块中进行逐层级地成对融合；

所述分辨率自适应模块由一组自适应的卷积核组合而成，其过程定义为：

Tr₄＝Conv1(·)

Tr_i代表第i个层级的成对融合操作，采用了卷积层的组合来实现；Conv3(·)和Conv1(·)分别代表卷积核大小为3和1的卷积操作；代表多个卷积层的组合操作。

6.根据权利要求1所述的基于边缘信息的图像平面区域检测方法，其特征在于：步骤5，训练目标模型时，要计算目标模型的混合损失，混合损失包含两个项，一是边缘损失，二是原始图像平面区域检测模型的损失，所述原始图像平面区域检测模型是指步骤1所用的神经网络。

7.一种计算机可读存储介质，其特征在于，存储有计算机程序，所述计算机程序被执行时实现如权利要求1至6中任一项所述的方法的步骤。