一种仿平行通路制造技术

本发明专利技术旨在提供一种仿平行通路

【技术实现步骤摘要】
一种仿平行通路XYW细胞的边缘检测方法


[0001]本专利技术涉及图像处理领域，具体涉及一种仿平行通路
XYW
细胞的边缘检测方法
。

技术介绍

[0002]传统的边缘检测致力于研究不连续的图像特征来提取边缘信息，如亮度的变化，颜色或纹理等特征
。
然而，这类算子不能很好的区分边缘信息与纹理信息差别
。
之后，为了获得更好的边缘检测性能，一些研究者使用单个函数模拟生物视觉机制设计边缘检测模型，相比于传统检测算子，有了更好的纹理抑制能力，进而取得了较好的边缘检测性能
。
但是依靠单个函数不足以完全表示复杂的生物视觉机制
。
随着深度学习的发展，
CNNs
在各大视觉任务中展现了强大性能，编码
‑
解码的
CNNs
模型在边缘检测任务中也取得了巨大的突破
。
然而上述边缘检测网络以
VGG16
为编码网络，其最开始是为分类任务设计的，其模型具有参数大
、
结构复杂的特性，在训练中还需要依靠迁移学习实现更好边缘检测性能
。
[0003]近年来，尽管基于
CNN
的编码
‑
解码边缘检测方法取得了显著效果，大多数都以
VGG16
为编码网络，致力于解码网络的设计以提升边缘检测的准确率
。
然而以
VGG16
分类网络作为编码网络存在模型大
、
参数多
、
架构复杂等问题，并且在训练过程中需要进行迁移学习才能实现更好的性能
。
同时，忽略了生物视觉中对边缘检测有效机制的作用
。

技术实现思路

[0004]本专利技术旨在提供一种仿平行通路
XYW
细胞的边缘检测方法，该方法以生物视觉对边缘检测有效机制和信息传递方式为启发，能够在不需要通过迁移学习情况下，以低参数量获得优秀的性能
。
[0005]本专利技术的技术方案如下：
[0006]所述的仿平行通路
XYW
细胞的边缘检测方法，包括以下步骤：
[0007]A、
构建神经网络，所述的神经网络包括编码网络和解码网络；
[0008]其中，编码网络包括依次连接的
Init
模块
、Path1
模块
、Path2
模块
、Path3
模块
、Path4
模块；
Path1
模块的通道数设为
C
，
Path2
模块的通道数为
2C
，
Path3
模块的通道数为
4C
，
Path4
模块的通道数为
4C
；
[0009]B、
原始图像输入编码网络中，先经过
Init
模块调整通道数为
C
后，输入
Path1
模块，经
Path1
模块处理并调整通道数为
2C
后，输入
Path2
模块，经
Path2
模块处理并调整通道数为
4C
后，输入
Path3
模块，经
Path3
模块处理后输入
Path4
模块，
Path4
模块处理结果输入解码网络中；
[0010]C、
解码网络对
Path4
模块处理结果进行解码，得到最终检测结果
。
[0011]所述的
Path1
模块
、Path2
模块
、Path3
模块
、Path4
模块的基础结构一样
。
[0012]所述的
Path1
模块
、Path2
模块
、Path3
模块中处理过程一样，其处理过程为：
[0013]输入结果分为三路，第一路依次经过三个
X
细胞模块处理，在第一个
X
细胞模块处理时，将通道数扩大一倍；第二路依次经过三个
Y
细胞模块处理，第一个
Y
细胞模块处理时，
将通道数扩大一倍；第三路依次经过三个
W
细胞模块处理，第一个
W
细胞模块处理时，将通道数扩大一倍；三路处理结果相加融合后，得到输出结果
。
[0014]所述的
Path4
模块中处理过程为：输入结果分为三路，第一路依次经过三个
X
细胞模块处理，第二路依次经过三个
Y
细胞模块处理，第三路依次经过三个
W
细胞模块处理；三路处理结果相加融合后，得到输出结果
。
[0015]所述的
X
细胞模块包括1×1卷积
、3
×3深度分离卷积
、
相减融合模块，输入结果分成两路，一路经过1×1卷积处理，另一路经过3×3深度分离卷积处理；两路处理结果经过相减融合后得到输出结果；
[0016]Path1
模块
、Path2
模块
、Path3
模块中的第一个
X
细胞模块中，1×1卷积
、3
×3深度分离卷积处理时，会将通道数扩大一倍
。
[0017]所述的
Y
细胞模块包括1×1卷积
、5
×5深度可分离膨胀卷积
、
相减融合模块，输入结果分成两路，一路经过1×1卷积处理，另一路经过5×5深度可分离膨胀卷积处理；两路处理结果经过相减融合后得到输出结果；
[0018]Path1
模块
、Path2
模块
、Path3
模块中的第一个
Y
细胞模块中，1×1卷积
、5
×5深度可分离膨胀卷积处理时，会将通道数扩大一倍
。
[0019]所述的
W
细胞模块包括1×3深度分离卷积
、3
×1深度分离卷积，输入依次经过1×3深度分离卷积
、3
×1深度分离卷积处理，得到输出结果；
[0020]Path1
模块
、Path2
模块
、Path3
模块中的第一个
W
细胞模块中，1×3深度分离卷积处理时，会将通道数扩大一倍
。
[0021]所述的
Init
模块为
7*7
的膨胀卷积，膨胀率为
2。
[0022]所述的解码网络包括三个
ITM...

【技术保护点】

【技术特征摘要】
1.
一种仿平行通路
XYW
细胞的边缘检测方法，其特征在于，包括以下步骤：
A、
构建神经网络，所述的神经网络包括编码网络和解码网络；其中，编码网络包括依次连接的
Init
模块
、Path1
模块
、Path2
模块
、Path3
模块
、Path4
模块； Path1
模块的通道数设为
C
，
Path2
模块的通道数为
2C
，
Path3
模块的通道数为
4C
，
Path4
模块的通道数为
4C
；
B、
原始图像输入编码网络中，先经过
Init
模块调整通道数为
C
后，输入
Path1
模块，经
Path1
模块处理并调整通道数为
2C
后，输入
Path2
模块，经
Path2
模块处理并调整通道数为
4C
后，输入
Path3
模块，经
Path3
模块处理后输入
Path4
模块，
Path4
模块处理结果输入解码网络中；
C、
解码网络对
Path4
模块处理结果进行解码，得到最终检测结果
。2.
如权利要求1所述的仿平行通路
XYW
细胞的边缘检测方法，其特征在于：所述的
Path1
模块
、Path2
模块
、Path3
模块中处理过程一样，其处理过程为：输入结果分为三路，第一路依次经过三个
X
细胞模块处理，在第一个
X
细胞模块处理时，将通道数扩大一倍；第二路依次经过三个
Y
细胞模块处理，第一个
Y
细胞模块处理时，将通道数扩大一倍；第三路依次经过三个
W
细胞模块处理，第一个
W
细胞模块处理时，将通道数扩大一倍；三路处理结果相加融合后，得到输出结果
。3.
如权利要求1所述的仿平行通路
XYW
细胞的边缘检测方法，其特征在于：所述的
Path
４模块中处理过程为：输入结果分为三路，第一路依次经过三个
X
细胞模块处理，第二路依次经过三个
Y
细胞模块处理，第三路依次经过三个
W
细胞模块处理；三路处理结果相加融合后，得到输出结果
。4.
如权利要求2或3所述的仿平行通路
XYW
细胞的边缘检测方法，其特征在于：所述的
X
细胞模块包括1×1卷积
、3
×
3 深度分离卷积
、
相减融合模块，输入结果分成两路，一路经过1×1卷积处理，另一路经过3×
3 深度分离卷积处理；两路处理结果经过相减融合后得到输出结果；
Path1
模块
、Path2
模块
、Path3
模块中的第一个
X
细胞模块中，1×1卷积
、3
×
3 深度分离卷积处理时，会将通道数扩大...

【专利技术属性】
技术研发人员：林川，杨进林，黄思涵，张家佳，庞鑫韬，李福章，潘勇才，韦艳霞，
申请(专利权)人：广西科技大学，
类型：发明
国别省市：