摘要
大多数高级计算机视觉任务依赖于低级图像操作作为其初始处理过程。诸如边缘检测、图像增强和超分辨率等操作为更高层次的图像分析提供了基础。在本研究中，我们针对边缘检测提出了三个主要目标：简洁性、高效性和泛化能力，因为当前最先进的（SOTA）边缘检测模型为了提高精度而增加了复杂度。为此，我们提出了一种轻量级卷积神经网络——Tiny and Efficient Edge Detector（TEED），该网络仅有58,000个参数，不到现有最先进模型的0.2%。在BIPED数据集上训练该模型耗时不足30分钟，每个epoch所需时间少于5分钟。我们提出的模型易于训练，并且在最初的几个epoch内就能快速收敛，同时生成的边缘图清晰且质量高。此外，我们还提出一个新的数据集来测试边缘检测的泛化能力，该数据集包含来自常用边缘检测和图像分割任务中的流行图像样本。源代码可在https://github.com/xavysp/TEED 获取。