排序方式： 共有3条查询结果，搜索用时 156 毫秒
1
1.
建筑物边缘提取对智慧城市建设具有重要的研究意义,采用人工标注建筑物边缘的方法需要消耗大量的人力物力。目前,利用深度学习的方法已经能提取建筑物大致轮廓,但其需要大量的人工标注的精确样本进行训练。因此,文章构建了3个边缘检测数据集并复现了2个经典边缘检测网络RCF和BDCN进行交叉训练测试实验,评估边缘检测模型的可迁移性,为研究构建普适性更强的边缘检测网络提供思路。 相似文献
2.
建筑物边缘检测是提取建筑物信息最直接有效的方法,近几年,卷积神经网络被广泛应用于建筑物边缘检测研究,其中RCF网络被证明是应用于建筑物边缘检测的效果较好的卷积神经网络。然而,RCF网络在建筑物边缘检测的过程中,上采样过程采用一步双线性插值算法,上采样结构过于简单,导致产生了在深层网络特征层小尺寸图像特征直接上采样至大尺寸图像的条件下误差过大的问题。文章提出了阶梯式上采样结构以改进RCF网络,该方法能够有效减少一次双线性插值算法带来的误差,实验证明该方法能够有效提高RCF网络在建筑物边缘检测上的结果精度,显著增加输出结果图像的清晰度。 相似文献
3.
近几年来,时尚行业希望继续提高销售份额的同时,也想以保持商品的高价值并避免稀释其品牌.为了吸引更多的年轻消费者和潜在客户,奢侈品公司正在通过与在线多品牌平台达成交易来扩大其分销渠道,以使购买奢侈品变得更容易、更快捷.作为时尚电子商务领域的全球领导者,Farfetch销售来自全球700多家精品店和品牌的产品,进入各国市场... 相似文献
1
