×
安德拉德·劳卡（Andrade-Loarca，Héctor）;吉塔·库蒂尼奥克;奥赞·奥克坦

Shearlets作为语义边缘检测的特征提取器：基于模型和数据驱动的领域。 （英语） Zbl 1472.94004号

程序。英国皇家学会。，A、 数学。物理学。工程科学。 476，No.2243，文章ID 20190841，26 p.（2020）.
摘要：语义边缘检测作为一项图像处理任务，最近受到了很多关注，主要是因为它在现实世界中的应用范围很广。这是基于图像中的边缘包含大多数语义信息的事实。语义边缘检测涉及两个任务，即纯边缘检测和边缘分类。事实上，就每项任务所需的抽象级别而言，它们从根本上是不同的。这一事实被称为分心监督悖论，限制了监督模型在语义边缘检测中的可能性能。在这项工作中，我们将提出一种新的混合方法，该方法基于基于模型的剪切波概念，它提供了一类模型图像的可能最优稀疏近似，以及适当设计的卷积神经网络的数据驱动方法。结果表明，该算法避免了分心监督悖论，在语义边缘检测方面取得了较高的性能。此外，与纯数据驱动方法相比，我们的方法需要的参数少得多。最后，我们介绍了一些应用，如层析重建，并表明我们的方法明显优于以前的方法，从而也表明了这种混合方法在生物医学成像中的价值。

引用于1文件

MSC公司：

94A08型 信息与通信理论中的图像处理（压缩、重建等）
42立方厘米 涉及小波和其他特殊系统的非三角调和分析
65T60型 小波的数值方法
68T07型 人工神经网络与深度学习

关键词：

谐波分析;特征提取;多尺度几何分析;深度学习;应用数学;图像处理
PDF格式BibTeX公司 XML格式引用
\textit{H.Andrade-Loarca}等人，Proc。英国皇家学会。，A、 数学。物理学。工程科学。476，第2243号，文章ID 20190841，第26页（2020；Zbl 1472.94004）
全文： 内政部 arXiv公司

参考文献：

[1] Yu Z，Feng C，Liu M-Y，Ramalingam S.2017案例：深度分类软件语义边缘检测。程序中。2017年IEEE计算机视觉和模式识别会议（CVPR），夏威夷州火奴鲁鲁，第21-26页。纽约州纽约市：IEEE。
[2] Andrade-Loarca H，Kutyniok G，Ùktem O，Petersen P.2019使用应用谐波分析和深度神经网络提取数字波前集。SIAM J.成像科学。12, 1936-1966. （doi:10.1137/19M1237594）·Zbl 1439.35009号 ·doi:10.1137/19M1237594
[3] Guo K，Kutyniok G，Labate D.2005使用各向异性膨胀和剪切算子的稀疏多维表示。《小波和样条曲线》，第189-201页。田纳西州纳什维尔。纳什博罗出版社·1099.65148兹比尔
[4] Krishnan副总裁，Quinto ET。2015断层扫描微局部分析。成像数学方法手册。纽约州纽约市：斯普林格·Zbl 1395.94042号
[5] Lecun Y，Bottou L，Bengio Y，Haffner P.1998基于梯度的学习应用于文档识别。程序。IEEE 86，2278-2324。（doi:10.1109/5.726791）·数字对象标识代码：10.1109/5.726791
[6] Binford TO.1981从图像推断表面。Artif公司。智力。17, 205-244. （doi:10.1016/0004-3702（81）90025-4）·兹比尔1497.68483 ·doi:10.1016/0004-3702（81）90025-4
[7] Brady M.1982图像理解的计算方法。ACM计算。Surv公司。14, 3-71. （doi:10.1145/356869.356871）·数字对象标识代码：10.1145/356869.356871
[8] Marr D，Hildreth E.1980边缘检测理论。程序。R.Soc.伦敦。B 207187-217。（doi:10.1098/rspb.1980.0020）·doi:10.1098/rspb.1980.0020
[9] Torre V，Poggio TA。1986年边缘检测。IEEE传输。模式分析。机器。智力。8, 147-163. （doi:10.1109/TPAMI.1986.4767769）·doi:10.1109/TPAMI.1986.4767769
[10] Andrade Loarca H.2017通过基于剪切修复的稀疏光场重建。硕士论文，德国柏林大学。
[11] Bertasius G，Shi J，Torresani L.2015 Deepedge：自上而下轮廓检测的多尺度分叉深度网络。程序中。IEEE计算机视觉和模式识别会议，马萨诸塞州波士顿，2015年6月7日至12日，第4380-4389页。纽约州纽约市：IEEE。
[12] Amer MR、Yousefi S、Raich R、Todorovic S，2015使用约束凸优化对2.1 d草图进行单目提取。国际期刊计算。视觉。112, 23-42. （doi:10.1007/s11263-014-0752-2）·Zbl 1398.68632号 ·doi:10.1007/s11263-014-0752-2
[13] Ferrari V，Fevrier L，Jurie F，Schmid C.2008目标检测相邻轮廓段组。IEEE传输。模式分析。机器。智力。30, 35-51. （doi:10.1109/TPMI.2007.1144）·doi:10.1109/TPAMI.2007.1144
[14] Ferrari V，Jurie F，Schmid C.2010从图像到物体检测的形状模型。国际期刊计算。视觉。87, 284-303. （doi:10.1007/s11263-009-0270-9）·doi:10.1007/s11263-009-0270-9
[15] Ramalingam S，Bouazis S，Sturm P，Brand M.2010天际线2gps：使用全向天际线在城市峡谷中定位。程序。IEEE-RSJ国际协调智能。机器人系统。，台湾台北，2010年10月18日至22日，第3816-3823页。纽约州纽约市：IEEE。
[16] 罗伯茨LG。1963三维实体的机器感知。美国马萨诸塞州剑桥市麻省理工学院博士论文·Zbl 0115.00308号
[17] Sobel I.2014各向同性3x3图像梯度算子。1968年斯坦福A.I.项目演讲。
[18] Prewitt JM.1970对象增强和提取。图。过程。心理象形学10，15-19。
[19] Canny J.1986边缘检测的计算方法。IEEE传输。模式分析。机器。智力。8, 679-698. （doi:10.1109/TPAMI.1986.4767851）·doi:10.1109/TPAMI.1986.4767851
[20] Hariharan B、Arbelaez P、Boudev L、Maji S、Malik J，2011年，反向检测器的语义轮廓。程序中。2011年11月6日至13日在西班牙巴塞罗那举行的2011年计算机视觉国际会议，ICCV’11，第991-998页。华盛顿特区。IEEE计算机协会。
[21] Yi S，Labate D，Easley GR，Krim H.2009边缘分析和检测的剪切波方法。IEEE传输。图像处理。18, 929-941. （doi:10.1109/TIP.2009.2013082）·Zbl 1371.94439号 ·doi:10.1109/TIP.2009.2013082
[22] Reisenhofer R，King EJ公司。2019使用对称分子检测边缘、脊线和斑点。SIAM J.成像科学。12, 1585-1626. ·Zbl 1434.68629号
[23] Reisenhofer R、Kiefer J、King EJ。2015年基于Shearlet-based的火焰前锋检测。实验流体57、41。（doi:10.1007/s00348-016-2128-6）·doi:10.1007/s00348-016-2128-6
[24] Mallat S，Liang Hwang W.1992小波奇异性检测与处理。IEEE传输。《信息论》38，617-643。（doi:10.1109/18.119727）·兹比尔074593073 ·doi:10.1109/18.119727
[25] Candes E、Donoho DL。2004新的紧曲线框架和C2奇点的最佳表示。Commun公司。纯粹。申请。数学。57, 219-266. （doi:10.1002/cpa.10116）·Zbl 1038.94502号 ·doi:10.1002/cpa.10116
[26] Candes E，Demanet L，Donoho DL，Ying L.2006快速离散曲线变换。SIAM多尺度模型。模拟。5, 861-899. （doi:10.1137/05064182X）·Zbl 1122.65134号 ·doi:10.1137/05064182X
[27] Kutyniok G，Lim W-Q，Reisenhofer R.2016 ShearLab 3D：基于紧支撑剪切波的忠实数字剪切波变换。ACM事务处理。数学。柔和。42, 5:1-5:42. （doi:10.1145/2740960）·Zbl 1347.65203号 ·doi:10.1145/2740960
[28] Kutyniok G，Lim W-Q.2011紧密支撑的剪羊毛最稀疏。J.近似理论163，1564-1589。（doi:10.1016/j.jat.2011.06.005）·Zbl 1226.42031号 ·doi:10.1016/j.jat.2011.06.005
[29] Kutyniok G，Labate D.2009使用连续剪切波的波前集分辨率。事务处理。美国数学。Soc.3612719-2754。（doi:10.1090/S0002-9947-08-04700-4）·Zbl 1169.42012年 ·doi:10.1090/S0002-9947-08-04700-4
[30] Kutyniok G，Petersen P.2017使用紧密支撑剪刀对边缘进行分类。申请。计算。哈蒙。分析。42, 245-293. （doi:10.1016/j.acha.2015.08.006）·Zbl 1378.42023号 ·doi:10.1016/j.aca.2015.08.006
[31] Liu Y，Cheng M-M，Hu X，Bian J-W，Zhang L，Bai X，Tang J.2019边缘检测的丰富卷积特征。IEEE传输。模式分析。智力。41, 1939-1946.
[32] Xu D，Ouyang W，Alameda-Pineda X，Ricci E，Wang X，Sebe N.2017使用注意力控制的crf学习深度结构多尺度特征，用于轮廓预测。程序中。第31届神经信息处理系统国际会议，NIPS’17，加州长滩，2017，第3964-3973页。纽约州Red Hook:Curran Associates Inc。
[33] Liu Y，Cheng M-M，Fan D-P，Zhang L，Bian J-W，Tao D.2019具有多种深度监督的语义边缘检测。(https://arxiv.org/abs/1804.02864)
[34] Yu Z，Liu W，Zou Y，Feng C，Ramalingam S，Kumar BV，Kautz J.2018同步边缘对齐和学习。(http://arxiv.org/abs/1808.01992)
[35] Haniharan B、Arbelaez LD、Bourdev L、Maji S、Malik J.2011年反向检测器的语义计数。程序中。IEEE国际计算机视觉会议，ICCV，西班牙巴塞罗那，2011年11月6日至13日。纽约州纽约市：IEEE。
[36] Hörmander L.2003线性偏微分算子分析I：分布理论和傅里叶分析。数学经典，第二版。德国柏林：施普林格·Zbl 1028.35001号
[37] Strichartz R.1994分布理论和傅里叶变换指南。佛罗里达州博卡拉顿：CRC出版社·Zbl 0854.46035号
[38] Dahlke S、Kutyniok G、Steidl G、Teschke G.2009 Shearlet坐标空间和相关的Banach框架。申请。计算。哈蒙。分析。27, 195-214. （doi:10.1016/j.acha.2009.02.004）·Zbl 1171.42019年 ·doi:10.1016/j.aca.2009.02.004
[39] Kutyniok G，Lim W-Q，Zhuang X.2012数字剪切变换。《Shearlets:多元数据的多尺度分析》（编辑：JJ Benedetto），第239-282页。纽约，纽约：施普林格科学+商业媒体·Zbl 1255.94021号
[40] Yi S，Labate D，Easley GR，Krim H.2009边缘分析和检测的剪切波方法。IEEE传输。图像处理。18, 929-941. （doi:10.1109/TIP.2009.2013082）·Zbl 1371.94439号 ·doi:10.1109/TIP.2009.2013082
[41] Andrade-Loarca H，Kutyniok G.2020 tfshearlab：用于深度学习的张量流数字剪切波变换。(http://arxiv.org/abs/2006.04591)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。