Dense Extreme Inception Network: Towards a Robust CNN Model for Edge Detection
DexiNed:一种用于边缘检测的鲁棒CNN模型
- Xception结构
- DexiNed结构
-
DexiNed可以看作是两个子网络构成:Dexi和UB.
-
Dexi网络有6个主要块的编码器组成,借鉴Xception,蓝色块有两个卷积层组成,3×3卷积核——BN——ReLU(除了最后子块中的最后一个卷积无),max-pooling也是核大小为3×3,stride为2.整个结构同样遵循多尺度,相应也会有上采样过程。
-
和Xception不同点:
- 本文使用标准卷积,最后输出是二维的,取消“Exit flow”,而是在第5块后添加了另一个块(第5,6块无max-pooling,第6块有256个filters,第4,5块设置512个filters,不是728个)
- 本文有两种跳跃连接,顶部和底部的绿色矩形。为什么提出底部的绿色矩形?由于进行了很多卷积,每个深度块都损失了重要的边缘特征,只有一个主连接是不够的,从第四卷积层边缘特征损失更混乱。因此,从第3块开始,对每个子块的输出进行边连接平均(图3中橙色方形)。受ResNet和RDN启发
-
-