CVPR 2019
Bi-Directional Cascade Network for Perceptual Edge Detection
github鏈接：https://github.com/pkuCactus/BDCN

背景：目前的邊緣分割數據集，同時標注了目標級別的輪廓和其中的細節這兩大部分，這種多尺度的輪廓就意味著邊緣檢測需要探索多尺度的表達（multi-scale)

現有工作也有較多的方法使用了多尺度：

• HED 和 RCF 都使用了 CNN 中的中間層，底層可以預測細節，高層可以預測全局信息

現有方法的問題：

• 上述那兩種方式訓練的話，每層都使用相同的監督信息并非最優的方法
• 還有一種方法[31] 使用不同尺度的 canny 算子來弱化中間層的監督，但該方法只是使用了人眼選擇的特定尺度而已

動機：為了更加全面的探索多尺度信息

做法：本文提出了

• Scale Enhancement Module（SEM)：由多個并行的不同膨脹率的卷積組成的模塊
• Bi-Direction Cascade Network：該網絡用來實現高效的特定類別邊界學習
  在 BDCN 的每層中，其特定的監督是由 bi-directional 結構來實現的，該結構把與其相鄰的上層和下層的輸出進行傳送，也就是BDCN的每一層都是使用增量式的方式來預測
  BDCN組成方式：將SEM嵌入VGG-type的block中
  

由圖4可以看出，不同ID Block檢測出的邊緣不同，越淺的 block 檢測出的越細致，越深的 block 檢測出的越大尺度。

總結

以上是生活随笔為你收集整理的【边缘检测】BDCN：Bi-Directional Cascade Network for Perceptual Edge Detection的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。