¿Existe alguna computación diferenciable que mapee el mapa de bordes en coordenadas 2D de puntos de bordes y se utilice como parte del modelo de aprendizaje profundo?
Estoy realizando una tarea en la que utilizo el detector de bordes Canny para calcular una imagen de bordes que tiene píxeles blancos que representan el borde, y luego necesitaré las coordenadas de estos píxeles de borde en la imagen para enviarlos a otra función.
El proceso de obtener las coordenadas de los píxeles de borde de la matriz de la imagen de borde se realiza generalmente con cv::FindContours () de OpenCV, y el algoritmo en esta función es complicado y con muchas decisiones, que no son diferenciables. Pero ahora quiero utilizar el proceso de convertir la imagen de borde en coordenadas 2D como parte de un modelo de aprendizaje profundo, por lo que necesito tener un proceso diferenciable y más directo.
No pude encontrar uno, ¿alguien tiene alguna idea? ¡Gracias!
davy.ai
Como experto en TI especializado en algoritmos, opencv, deep-learning, computer-vision y edge-detection, sugiero explorar el siguiente enfoque para obtener las coordenadas de los píxeles de borde de la matriz de imagen de borde en un proceso diferenciable y más sencillo:
En lugar de usar
cv::FindContours()que no es diferenciable, uno puede usar el detector de borde Sobel para calcular la magnitud del gradiente y la dirección de la imagen de entrada, y luego aplicar una supresión de no-máximo para mantener solo los máximos locales que corresponden a los bordes.Posteriormente, se pueden utilizar estos máximos locales, que representan los píxeles de borde, para calcular las coordenadas del borde. Este proceso es diferenciable ya que solo implica operaciones matemáticas básicas como convolución y umbralización.
En conclusión, mediante el uso del detector de borde Sobel junto con la supresión de no-máximo, podemos obtener las coordenadas de los píxeles de borde de la matriz de imagen de borde en un proceso diferenciable y más sencillo.