[发明专利]基于深度卷积神经网络的图像轮廓检测方法

权利要求书

1.一种基于深度卷积神经网络的图像轮廓检测方法，其特征在于具体操作步骤如下：

1)数据提取和处理；

2)训练深度卷积神经网络特征提取器；

3)训练结构森林轮廓检测器；

4)提取测试图像特征；

5)检测测试图像轮廓。

2.根据权利要求1所述的基于深度卷积神经网络的图像轮廓检测方法，其特征在于所述步骤1)数据提取和处理：从训练图像和对应的轮廓图像中剪裁出50像素长宽的图像块Xⁱ和轮廓块，并根据轮廓块的形态为其指定类别yⁱ。

3.根据权利要求1所述的基于深度卷积神经网络的图像轮廓检测方法，其特征在于所述步骤2)训练深度卷积神经网络特征提取器的具体操作步骤：

①数据提取和处理：根据权利要求2中所述方法得到图像块Xⁱ和轮廓块类别yⁱ；

②输入神经网络：将图像块Xⁱ输入到深度卷积神经网络中，得到神经网络预测该图像块属于各类别的概率分别为图像块Xⁱ属于0到K类的概率；

③计算预测误差：与步骤①中指定的轮廓块类别yⁱ计算预测误差J：

J=-Σi=1NΣj=0K1(yi=j)log(pji)-Σi=1Nλ{1(yi=0)log(p0i)+Σj=1K1(yi=j)log(1-p0i)}]]>

公式中λ是一个常数，取为0.9，N为训练图像块总个数，K为步骤①中指定轮廓块类别总数，i是训练图像块编号，j是类别编号，是卷积神经网络预测图像块Xⁱ属于类别j的概率，即卷积神经网络预测图像块Xⁱ属于类别0的概率；

④迭代训练：通过反复迭代训练来减小预测误差J，得到训练好的深度卷积神经网络。