一种基于边缘和Fisher准则的学习方法

摘要

本发明涉及一种基于边缘和Fisher准则的学习方法，属于神经网络学习技术领域。本方法对同一物体的不同角度拍摄，采集N张图片；对得到的N张图片通过深度网络进行编码，获取N张图片的特征图；再对特征图进行解码，得到双通道掩码图；两个通道上的每个点分别代表采集的N张图片对应位置上前景和背景的概率；再用真实前景平均概率与真实背景平均概率的距离作为类间距离；用方差作为度量真实前景区域和真实背景区域的类内距离。对前景边缘邻近区域和背景边缘邻近区域加入不同的权重，达到理想的分割边缘效果。所述学习方法使得图像理想分割边缘及学习模型更加稳定，实现了完全自动且高效、高可靠的物体抠取及准确、快速而高精度的分割。