Posts /

A Survery on Edge Detection

Twitter Facebook
20 Dec 2017

经过我最近几天的调研,并阅读了下面的论文和相关视频演示,得出的结论是,完全可以只依赖神经网络实现边缘检测,具体方法有 卷积神经网络、卷积后跟反卷积 等,可以使用常见的公开数据集,加以处理后扩充已有的有标记数据集,可以使用 pretrained models 来指导神经网络的训练,而且可以利用迁移学习的知识,扩大目标检测的范围,及模型的适用范围。

以下几篇论文中,有的可以用来检测医学图像,有的可以用来检测运动视频中的道路情况,当然也可以进行常规的边缘识别、目标轮廓识别等。

  1. Edge Detection Examples (basic ideas)

  2. Holistically-Nested Edge Detection PDF
  3. CASENet: Deep Category-Aware Semantic Edge Detection PDF
  4. Convolutional Encoder-Decoder Network PDF (use conv-deconv networks)
  5. Cardiovascular Edge Detection using Neural Networks (medical images)

可以初步得出结论是,使用深度学习方法进行边缘检测这一设想有较高的可行性,而且,目前的模型召回率普遍在百分之七十左右,还有较大的提升空间,值得进行这方面的探究。

由于 edge detection 的应用十分广泛,因此这一题目也有助于老师的其他课题的开展。

Datasets


Twitter Facebook