摘要
一种基于ResNet的多路径精炼卷积神经网络（CNN）被用于物体轮廓检测。在这一任务中，我们优先考虑有效利用ResNet的高层次抽象能力，从而在边缘检测方面取得了最先进的成果。为了实现这一目标，我们按照特定顺序融合了高、中、低层次的特征，这与其他许多方法不同。该网络以具有最高层次特征的张量为起点，逐层与较低抽象层次的特征相结合，直至达到最低层次。我们在修改后的PASCAL VOC 2012数据集上训练该网络进行物体轮廓检测，并在改进后的PASCAL验证数据集上进行了评估，达到了优异的性能，最优数据集尺度（Optimal Dataset Scale, ODS）为0.752。此外，通过在BSDS500数据集上的微调训练，我们在边缘检测方面也达到了最先进的结果，ODS值为0.824。