论文地址:[2108.07009] Pixel Difference Networks for Efficient Edge Detection (arxiv.org)
摘要:
重点:1.传统边缘提取方法与神经网络方法的融合,结合了传统边缘提取方法对梯度信息的编码能力与CNN能够学习到丰富的多层次信息的能力。2.网络轻。
本文提出的卷积叫像素差分卷积(pixel difference convolution PDC)
差分卷积与普通卷积的区别:
普通卷积是将像素点与罩在上面的卷积核对应位置进行相乘之后求和,像素差分卷积是按照一定的策略求像素点之间的差,然后将差值与罩在上面的卷积核对应位置相乘后求和。共三种形式(作者提供的代码里这三者是交叉使用的):
网络结构:
CDCM:多尺度特征提取
CSAM:空间注意力
损失函数:annotator-robust loss
针对像素点的loss。yi是GT,η是阈值(对模棱两可的像素GT点不予处理)。