摘要
本文提出了一种用于边缘检测的轻量级密集卷积（Lightweight Dense Convolutional, LDC）神经网络。该模型基于两种先进的方法进行改进，但参数量不足其4%，显著降低了计算开销。所提出的LDC架构能够生成细密的边缘图，在轻量级模型（参数少于100万）中取得了最高的定量评分（即ODS），同时在性能上与参数量约为3500万的重型网络模型相当。文中提供了在多个边缘检测数据集上进行的定量与定性结果分析，并与当前最先进的模型进行了全面比较。值得注意的是，该LDC模型无需使用预训练权重，且超参数设置简单直观。相关源代码已开源，地址为：https://github.com/xavysp/LDC。