提两种比较简单的,HED,RCF
HED (ICCV,2015)
论文地址:
Holistically-Nested Edge Detectionarxiv.orgpytorch 代码:
BinWang-shu/pytorch_hedgithub.com![0b58231d5bb67d2f9a22979e098520c0.png](https://i-blog.csdnimg.cn/blog_migrate/1df09ace57195fb29774189aa1aa87b4.jpeg)
tensorflow代码:
whyguu/hed-tfgithub.com![b1c897cdfb318d924b12e112bd330370.png](https://i-blog.csdnimg.cn/blog_migrate/7512cb97b3b920c8bfc9b02df93fa8fd.jpeg)
![a89be66ec7f891b2a0e29caeb2f4d20e.png](https://i-blog.csdnimg.cn/blog_migrate/a596dc6c8f558b4716f49a118ac5cbcd.jpeg)
backbone为VGG16,根据尺寸分为5个stage。再通过一个1x1x1的conv,将每个输出进行反卷积到原来尺寸,然后进行相加。再经过一个1x1x1的conv降低维度得到结果图。同时loss也与每张图的loss有关。
![2e86dfc54e0a3f95e521743b7fd88658.png](https://i-blog.csdnimg.cn/blog_migrate/aa663503d49051b7b81a7c321d384ea2.jpeg)
RCF(CVPR2017):
论文地址
http://openaccess.thecvf.com/content_cvpr_2017/papers/Liu_Richer_Convolutional_Features_CVPR_2017_paper.pdfopenaccess.thecvf.com![83c1ac9b63c7524359af2339d02b50a8.png](https://i-blog.csdnimg.cn/blog_migrate/61cec516b6d51a3657e99ab94643762b.jpeg)
caffe代码地址:
yun-liu/rcfgithub.com![9858cbd34cdc6816ecda2845c96fa5e2.png](https://i-blog.csdnimg.cn/blog_migrate/25152ed3b7d2dbe815b82ef533e81242.jpeg)
改进就是将每个卷积都进行element-sum