摘要

在本文中，我们提出了一种基于更丰富卷积特征（Richer Convolutional Features, RCF）的精确边缘检测器。由于自然图像中的物体具有多种尺度和纵横比，卷积神经网络（CNNs）自动学习到的丰富的层次表示对于检测边缘和物体边界至关重要且有效。随着感受野的增加，卷积特征逐渐变得粗糙。基于这些观察结果，我们提出的网络架构充分利用多尺度和多层次信息，通过将所有有用的卷积特征整合到一个整体框架中来实现图像到图像的边缘预测。这是首次尝试在计算机视觉任务中采用如此丰富的卷积特征。使用VGG16网络，我们在多个可用数据集上取得了优异的结果。在著名的BSDS500基准测试中，我们的方法实现了ODS F值为\textbf{0.811}，同时保持了较快的速度（\textbf{8}帧/秒）。此外，我们的快速版RCF实现了ODS F值为\textbf{0.806}，速度达到\textbf{30}帧/秒。