深度学习驱动的图像边缘检测与分割技术综述
本文探讨了近年来基于深度学习的前沿边缘检测方法，包括 Caps-Unet、三维边缘检测、HED网络改进、流边缘检测等，以及它们在医疗图像、地震数据、视频分析等领域的应用。通过深度卷积网络特征提取和边缘增强，提升图像分割精度。
下面是该类的一些题目：
| 题目 |
|---|
| 基于Caps-Unet的粘连细胞核边缘检测及分割 |
| 基于三维边缘检测和三维区域生长方法的CT图像脊椎区域的分割 |
| 基于改进HED网络的地震图像边缘检测方法研究 |
| 基于流边缘检测的像素流估计深度模型研究 |
| 基于深度卷积神经网络特征再提取的边缘检测算法研究 |
| 基于深度卷积网络的图像增强及边缘检测技术研究 |
| 基于深度学习的类别敏感型边缘检测模型设计 |
| 基于深度神经网络的图像边缘检测算法研究 |
| 多尺度空间上下文约束的图像语义边缘检测 |
| 纸张边缘检测与提取方法研究 |
| 视频镜头边缘检测与关键帧提取算法的应用研究 |
| 面向交叉融合神经网络的图像边缘检测及目标分类算法研究 |
扫一扫
3095
到【灌水乐园】发言
