基于金字塔結(jié)構(gòu)的Transformer邊緣檢測算法研究

打開文本圖片集

摘  要： 針對復(fù)雜圖像邊緣檢測任務(wù)中多尺度特征提取困難和多尺度特征利用率低的問題，提出一種基于金字塔結(jié)構(gòu)的Transformer邊緣檢測模型。該模型首先采用擅長根據(jù)全局遠(yuǎn)程依賴關(guān)系進(jìn)行建模的Transformer特征提取主干——PVT網(wǎng)絡(luò)，取代傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)，解決多尺度特征利用率低的問題；其次，為了充分考慮跨層間上下文特征交互問題，設(shè)計了一個專門用來建模和轉(zhuǎn)移上下文知識的模塊，用于探索更多顯著邊緣的判別信息；最后，設(shè)計了一個基于注意力機制的多尺度特征增強模塊，通過充分挖掘檢測對象的多層次和多尺度特征信息，實現(xiàn)對邊緣的預(yù)測，提高模型邊緣檢測精度。（剩余15654字）