エッジ検出のためのリッチな畳み込み特徴

エッジ検出はコンピュータビジョンにおける基本的な問題です。最近、畳み込みニューラルネットワーク（CNN）がこの分野を大きく前進させました。深いCNNの特定の層を採用する既存の手法は、スケールとアスペクト比の変動によって引き起こされる複雑なデータ構造を捉えられない可能性があります。本論文では、より豊富な畳み込み特徴（RCF）を用いた正確なエッジ検出器を提案します。RCFは、すべての畳み込み特徴をより識別的な表現にカプセル化し、豊富な特徴階層をうまく活用し、逆伝播によるトレーニングが可能です。RCFは、物体のマルチスケールおよびマルチレベル情報を完全に活用し、画像から画像への予測を全体的に行います。VGG16ネットワークを使用して、いくつかの利用可能なデータセットで最先端の性能を達成しました。よく知られたBSDS500ベンチマークで評価した際、0.811のODS F-measureを達成し、速い速度（8 FPS）を維持しています。また、RCFの高速バージョンは30 FPSで0.806のODS F-measureを達成します。提案する手法の汎用性を示すために、RCFエッジを用いて古典的な画像セグメンテーションにも適用しました。