【深度学习HED边缘检测网络】

源码：

这个版本的代码是最简洁易懂的，GitHub - senliuy/Keras_HED_with_model: Keras implementation of Holistically-nested edge detection

数据集：

链接：https://pan.baidu.com/s/13qStI9DP1mbt9JallQFpPg 
提取码：wbfi

HED(Holistically-Nested Edge Detection) 网络

首先先看一下HED网络结构：搬运边缘检测︱基于 HED网络TensorFlow 和 OpenCV 实现图片边缘检测_深度学习边缘检测-CSDN博客

HED 网络模型是在 VGG16 网络结构的基础上设计出来的，所以有必要先看看 VGG16。 

 

HED 网络在 VGG 网络的基础上去除了后5层，vgg的后面的全连接层与 softmax 层主要用于分类，HED 网络只需要提取图片的特征，保留了前面的卷积层和池化层（注意：去掉最后一层池化层）。并将特征图合并然后1*1卷积，最后采用sigmoid激活，下面是 HED 网络的示意图：

特征图去除深度：

      分别提取出 VGG 网络的 conv1_2, conv2_2, conv3_3, conv4_3, conv5_3 层，这些输出层的大小分别为 [224, 224, 64]，[112, 112, 128]，[56, 56, 256]，[28, 28, 512]，[14, 14, 512]，由于需要将这些层的数据和成一张图片，首先需要将深度降维到1，然后再按比例放大 1，2，4，8，16 倍使得每一层的数据大