国产精品r级在线,国产精品三级自在自线观看,少妇高潮抽搐在线观看视频

HED算法介紹

圖像邊緣檢測是圖像處理與計(jì)算機(jī)視覺領(lǐng)域最基礎(chǔ)也是最重要的任務(wù)之一，早期的Canny邊緣檢測到現(xiàn)在還在使用，但是Canny邊緣檢測過于依賴人工閾值的設(shè)定，無法在通用場景下工作，如何找到一個(gè)在自然場景下可以正確工作的邊緣檢測器，答案是使用CNN。2015年的時(shí)候有人提出了基于卷積神經(jīng)網(wǎng)絡(luò)的邊緣檢測算法HED全稱為《Holistically-Nested Edge Detection》，先看一下HED與Canny的效果對比：

作者提出HED算法是受到了全卷積網(wǎng)絡(luò)與深度監(jiān)督網(wǎng)絡(luò)的啟發(fā)與影響，作者以VGGNet與FCN作為基礎(chǔ)網(wǎng)絡(luò)進(jìn)行改進(jìn)，對VGG網(wǎng)絡(luò)進(jìn)行conv1_2, conv2_2, conv3_3, conv4_3, conv5_3多個(gè)特征層的輸出，借助FCN全卷積網(wǎng)絡(luò)的設(shè)計(jì)，通過權(quán)重融合層實(shí)現(xiàn)各個(gè)層相連接，去掉了VGG網(wǎng)絡(luò)的后半部分，大大減少了網(wǎng)絡(luò)浮點(diǎn)數(shù)計(jì)算次數(shù)，網(wǎng)絡(luò)架構(gòu)示意圖如下：

代碼演示

OpenCV DNN本身是不支持該網(wǎng)絡(luò)直接加載與執(zhí)行的，必須通過OpenCV4中支持的自定義層方法，首先解析HED網(wǎng)絡(luò)的自定義多層輸出，然后重載它的forward方法之后，才可以正確執(zhí)行。

自定義層解析的代碼如下：

#自定義層
classCropLayer(object):
def__init__(self,params,blobs):
self.xstart=0
self.xend=0
self.ystart=0
self.yend=0

defgetMemoryShapes(self,inputs):
inputShape,targetShape=inputs[0],inputs[1]
batchSize,numChannels=inputShape[0],inputShape[1]
height,width=targetShape[2],targetShape[3]

self.ystart=(inputShape[2]-targetShape[2])//2
self.xstart=(inputShape[3]-targetShape[3])//2
self.yend=self.ystart+height
self.xend=self.xstart+width
return[[batchSize,numChannels,height,width]]

defforward(self,inputs):
return[inputs[0][:,:,self.ystart:self.yend,self.xstart:self.xend]]

加載網(wǎng)絡(luò)，進(jìn)行多全層次的邊緣檢測：

#自定義層
#注冊自定義層
cv.dnn_registerLayer('Crop',CropLayer)

#Loadthemodel.
net=cv.dnn.readNet("D:/projects/models/hed/deploy.prototxt","D:/projects/models/hed/hed_pretrained_bsds.caffemodel")

kWinName='Holistically-NestedEdgeDetection'
cv.namedWindow('Input',cv.WINDOW_AUTOSIZE)
cv.namedWindow(kWinName,cv.WINDOW_AUTOSIZE)

cap=cv.VideoCapture(0)
whilecv.waitKey(1)0:
hasFrame,frame=cap.read()
frame=cv.flip(frame,1)
ifnothasFrame:
cv.waitKey()
break
cv.imshow('Input',frame)

inp=cv.dnn.blobFromImage(frame,scalefactor=1.0,size=(500,500),
mean=(104.00698793,116.66876762,122.67891434),
swapRB=False,crop=False)
net.setInput(inp)
out=net.forward()
out=out[0,0]
out=cv.resize(out,(frame.shape[1],frame.shape[0]))
cv.imshow(kWinName,out)

運(yùn)行效果

圖像測試

視頻測試

論文與源碼

源碼與預(yù)訓(xùn)練模型
https://github.com/s9xie/hed
論文地址：
https://arxiv.org/abs/1504.06375

審核編輯：李倩

聲明：本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問題，請聯(lián)系本站處理。舉報(bào)投訴

神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)

+關(guān)注

關(guān)注
42

文章
4771

瀏覽量
100772
算法

算法

+關(guān)注

關(guān)注
23

文章
4612

瀏覽量
92901
檢測算法

檢測算法

+關(guān)注

關(guān)注
0

文章
119

瀏覽量
25220