一种基于边缘信息的图像平面区域检测方法技术

本发明专利技术公开了一种基于边缘信息的图像平面区域检测方法，首先采用神经网络对图像提取各层级的基础骨架网络特征，然后将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，以及将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；再将多层级上下文特征以及多层级边缘特征进行逐层级地成对融合，最后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。提升目标模型在下游图像平面检测任务的表现。提升目标模型在下游图像平面检测任务的表现。

【技术实现步骤摘要】
一种基于边缘信息的图像平面区域检测方法


[0001]本专利技术属于计算机视觉
，具体涉及一种基于边缘信息的图像平面区域检测方法。

技术介绍

[0002]场景中的平面区域为大量基于视觉的应用提供了重要信息，包括计算机视觉、立体视觉与机器人视觉。平面区域检测旨在使机器可以像人类一样具有理解高层场景结构的感知能力，是计算机视觉、模式识别等范畴的重要挑战之一。在从单个图像中提取所有平面后，人们可以选择他们感兴趣的平面，并基于这些平面区域设计有效且有吸引力的应用程序。例如，人们可以用喜爱的纹理装饰墙壁，或者广告商可以在宣传视频中充分利用信息较少的区域(例如桌子、墙壁和木板)，以更有效地营销他们的产品。此外，平面特征也是自主机器人感知周围环境和通过相机视图构建地图的关键线索。
[0003]与传统物体中的检测和分割不同，平面检测更为受限也更具有挑战性，原因一方面来自平面缺少了既定类别的假设并要求分割任意类别的平面，另一方面在于由于场景内结构信息如平面法向量的高级抽象，平面区域的边界难以界定。随着深度神经网络的兴起，分析平面区域由于卷积神经网络学本文档来自技高网...

【技术保护点】

【技术特征摘要】
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，...

【专利技术属性】
技术研发人员：杨巨峰，张知诚，
申请(专利权)人：南开大学，
类型：发明
国别省市：