机器学习笔记 基于深度学习的边缘检测

一、Holistically-Nested Edge Detection

        边缘检测是视觉工作中十分常用的技术，传统边缘检测已经包含了很多经典的诸如Canny、Robert等等，都是各有擅场，不过有一点问题，就是很多参数需要人工调试，所以深度学习研究人员提出了基于卷积神经网络的边缘检测算法。

        即HED，该算法通过利用全卷积神经网络和深度监督网络的深度学习模型来执行图像到图像的预测。HED自动学习丰富的层次表示，对于解决边缘和对象边界检测中具有挑战性的模糊性是很重要的。在BSD500数据集（ODS F分数为.790）和纽约大学深度数据集（ODS F分数为.446）上显著提高了最先进的技术，并提高了速度（每张图像0.4秒）。

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。