深度清晰边界：从边界到更高层任务
计算机视觉与模式识别
2018-12-05 v3
摘要
在深度卷积网络（ConvNet）的帮助下，边缘检测取得了显著进展。这些基于ConvNet的边缘检测器在标准基准上已接近人类水平表现。我们对这些检测器的输出进行了系统性研究。我们表明，检测结果并未精确局部化边缘像素，这对于需要清晰边缘输入的任务可能是对抗性的。作为补救，我们提出了一种新颖的精炼架构，以解决利用ConvNet学习清晰边缘检测器的挑战性问题。我们的方法利用自顶向下的反向精炼路径，并逐步提升特征图分辨率以生成清晰边缘。我们的结果实现了优越性能，在BSDS500上使用标准准则时超越人类精度，且在使用更严格准则时大幅优于最先进方法。更重要的是，我们展示了清晰边缘图在计算机视觉若干重要应用中的益处，包括光流估计、目标提议生成和语义分割。
引用
@article{arxiv.1801.02439,
title = {Deep Crisp Boundaries: From Boundaries to Higher-level Tasks},
author = {Yupei Wang and Xin Zhao and Yin Li and Kaiqi Huang},
journal= {arXiv preprint arXiv:1801.02439},
year = {2018}
}
备注
Accepted by IEEE Trans. on Image Processing