《表2 基于全监督学习的边缘检测算法对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度学习的图像边缘检测算法综述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

全监督学习是利用已知类别的样本（即有标记的样本labeled sample），调整分类器的参数，训练得到一个最优模型，使其达到所要求性能，再利用这个训练后的模型，将所有的输入映射为相应的输出，对输出进行简单的判断，从而实现边缘检测的目的。目前大部边缘检测算法都是基于全监督实现的，根据算法实现过程中采用的整体设计思想以及关键技术不同，本文将其划分为6类：基于谱聚类边缘检测算法、多尺度融合边缘检测算法、跨层融合边缘检测算法、网络重构边缘检测算法、基于编解码边缘检测算法和亚像素卷积边缘检测算法。基于谱聚类的边缘检测和亚像素边缘检测等方法检测精度高，但抗噪声性能较差；基于神经网络和基编解码边缘检测等方法解决了抗噪声性能差的问题，但检测精度不够。表2从算法优缺点、基础网络、关键技术和测试数据集这几个方面对6种方法进行了归纳总结，下面将详细介绍这6类方法。