Wir präsentieren einen konzeptionell einfachen, aber effektiven Algorithmus zur Erkennung von Drahtgittern in einem gegebenen Bild. Im Vergleich zu früheren Methoden, die zunächst ein Zwischen-Heatmap vorhersagen und dann mit heuristischen Algorithmen Gerade extrahieren, ist unser Verfahren von End zu End trainierbar und kann direkt ein vektorisiertes Drahtgitter ausgeben, das semantisch bedeutsame und geometrisch hervorstechende Knotenpunkte und Linien enthält. Um die Qualität der Ausgaben besser zu verstehen, schlagen wir eine neue Metrik für die Bewertung von Drahtgittern vor, die überlappende Liniensegmente und fehlerhafte Linienverbindungen bestraft. Wir führen umfangreiche Experimente durch und zeigen, dass unsere Methode den bisherigen Stand der Technik in Bezug auf Drahtgitter- und Linienextraktion signifikant übertreffen kann. Wir hoffen, dass unser einfacher Ansatz als Baseline für zukünftige Studien zur Analyse von Drahtgittern dienen kann. Der Quellcode ist öffentlich zugänglich unter https://github.com/zhou13/lcnn.