خصائص افتراضية أكثر غنى للكشف عن الحواف

في هذا البحث، نقترح جهاز كشف الحواف بدقة عالية باستخدام الميزات التلافيفية الغنية (RCF). نظرًا لأن الأشياء في الصور الطبيعية تأتي بمقاييس وأبعاد مختلفة، فإن التمثيلات الهرمية الغنية التي يتم تعلمها تلقائيًا بواسطة شبكات العصبونات التلافيفية (CNNs) تعتبر حاسمة وفعالة للغاية في اكتشاف الحواف وحدود الأشياء. ومع زيادة مجال الاستقبال، تصبح الميزات التلافيفية تدريجيًا أقل دقة. بناءً على هذه المشاهدات، يعتمد تصميم الشبكة المقترح لدينا بشكل كامل على المعلومات متعددة المقاييس والمستويات لتنفيذ التنبؤ بالحواف من صورة إلى صورة من خلال دمج جميع الميزات التلافيفية المفيدة في إطار شامل. إنها المحاولة الأولى لتبني مثل هذه الميزات التلافيفية الغنية في مهام الرؤية الحاسوبية. باستخدام شبكة VGG16، حققنا نتائج متميزة على عدة قواعد بيانات متاحة. عند تقييم أداء الشبكة على معيار BSDS500 المعروف، حققنا معامل F-ODS بمقدار \textbf{.811} مع الحفاظ على سرعة عالية (\textbf{8} صور في الثانية). بالإضافة إلى ذلك، حققت الإصدار السريع من RCF معامل F-ODS بمقدار \textbf{.806} بسرعة \textbf{30} صورة في الثانية.