用于边缘检测泛化的微小高效模型
计算机视觉与模式识别
2023-08-15 v1 机器学习
摘要
大多数高层计算机视觉任务依赖低层图像操作作为初始处理。诸如边缘检测、图像增强与超分辨率等操作，为更高层图像分析提供基础。本工作中，我们针对边缘检测考量三个主要目标：简洁性、高效性与泛化性，因为当前最先进（SOTA）边缘检测模型为提升精度而日益复杂。为此，我们提出微小高效边缘检测器（TEED），一种仅含参数、不足SOTA模型%的轻量卷积神经网络。在BIPED数据集上训练耗时，每轮需。我们提出的模型易于训练，且在最初几轮内快速收敛，同时预测的边缘图清晰且高质量。此外，我们提出一个新数据集以测试边缘检测的泛化性，其包含常用于边缘检测与图像分割的流行图像样本。源代码见https://github.com/xavysp/TEED。
引用
@article{arxiv.2308.06468,
title = {Tiny and Efficient Model for the Edge Detection Generalization},
author = {Xavier Soria and Yachuan Li and Mohammad Rouhani and Angel D. Sappa},
journal= {arXiv preprint arXiv:2308.06468},
year = {2023}
}
备注
To Appear in ICCV 2023