Resumen

La detección del esqueleto de objetos requiere que las redes neuronales convolucionales reconozcan objetos y sus partes en un fondo desordenado, superen la degradación de la definición de la imagen causada por las capas de agrupamiento, y predigan la ubicación de los píxeles del esqueleto en diferentes escalas de granularidad. La mayoría de los métodos existentes de detección del esqueleto de objetos dedican grandes esfuerzos al diseño de redes de salida lateral para la fusión de características en múltiples escalas. A pesar del gran progreso logrado por ellos, todavía existen muchos problemas que obstaculizan el desarrollo de la detección del esqueleto de objetos, como el diseño manual de la red que es intensivo en mano de obra y la inicialización de la red depende de modelos preentrenados en conjuntos de datos a gran escala. Para aliviar estos problemas, proponemos un método NAS genético para buscar automáticamente en un espacio de búsqueda de arquitectura recién diseñado para una fusión de características adaptativa en múltiples escal

• Materias:Cifrado de búsqueda Seguridad informática Reconstrucción virtual Detección de intrusos Sistema de programación
• Subjects:Search encryption Computer security Virtual reconstruction Intrusion detection Programming system
• Palabras claves:Detección de esqueletos de objetos; Redes neuronales convolucionales; Fusión de características multiescala; Método genético NAS; Fusión adaptativa de características multiescala; Codificador-decodificador simétrico.
• Keywords:Object skeleton detection; Convolutional neural networks; Multiscale feature fusion; Genetic NAS method; Adaptive multiscale feature fusion; Symmetric encoder-decoder.