Wir präsentieren ein einstufiges Fully Convolutional Line Parsing Netzwerk (F-Clip), das Liniensegmente aus Bildern erkennt. Das vorgeschlagene Netzwerk ist sehr einfach und flexibel, wobei es Variationen ermöglicht, die elegant zwischen Geschwindigkeit und Genauigkeit für verschiedene Anwendungen abwägen. F-Clip erkennt Liniensegmente in einem end-to-end Prozess, indem es die Mittelposition, Länge und Winkel jeder Linie vorhersagt. Wir passen zudem den Entwurf der Faltungskerne unseres vollständig faltungsnetzbasierten Modells an, um die statistischen A-priori-Informationen der Verteilung von Linienwinkeln in realen Bild-Datensätzen effektiv zu nutzen. Wir führen umfangreiche Experimente durch und zeigen, dass unsere Methode eine deutlich bessere Balance zwischen Effizienz und Genauigkeit erreicht, was zu einem Echtzeit-Liniendetektor mit bis zu 73 FPS auf einer einzelnen GPU führt. Diese Inferenzgeschwindigkeit macht unsere Methode ohne Genauigkeitsverlust gegenüber früheren Methoden für Echtzeitaufgaben leicht einsetzbar. Darüber hinaus übertrifft F-Clip bei Ausstattung mit einem leistungsfähigeren Backbone-Netzwerk alle aktuellen Liniendetektoren in Bezug auf Genauigkeit bei vergleichbarer oder sogar höherer Framerate. Mit anderen Worten: Bei gleicher Inferenzgeschwindigkeit erreicht F-Clip stets die beste Genauigkeit im Vergleich zu anderen Methoden. Quellcode: https://github.com/Delay-Xili/F-Clip.