Détection de contours et d'arêtes d'objets avec RefineContourNet

Un réseau de neurones convolutifs (CNN) à raffinement multi-chemin basé sur ResNet est utilisé pour la détection des contours d'objets. Pour cette tâche, nous privilégions l'utilisation efficace de la capacité d'abstraction de haut niveau de ResNet, ce qui conduit à des résultats de pointe en matière de détection des bords. En gardant notre objectif à l'esprit, nous fusionnons les caractéristiques de haut, moyen et bas niveau dans cet ordre spécifique, qui diffère de nombreuses autres approches. Il utilise le tenseur avec les caractéristiques de plus haut niveau comme point de départ pour le combiner couche par couche avec des caractéristiques d'un niveau d'abstraction inférieur jusqu'à atteindre le niveau le plus bas. Nous entraînons ce réseau sur un ensemble de données PASCAL VOC 2012 modifié pour la détection des contours d'objets et évaluons sa performance sur un ensemble de données PASCAL-val affiné, atteignant une performance excellente et un Optimal Dataset Scale (ODS) de 0,752. De plus, en effectuant un entraînement fin sur l'ensemble de données BSDS500, nous obtenons des résultats de pointe en matière de détection des bords avec un ODS de 0,824.