Réseau d'inception extrême dense pour la détection de contours

<<<Il s'agit d'une version pré-acceptée ; veuillez consulter l'article final dans le journal Pattern Recognition sur ScienceDirect>>>. La détection des contours constitue la base de nombreuses applications de vision par ordinateur. Les approches actuelles de pointe reposent principalement sur l'apprentissage profond, deux facteurs étant déterminants : le contenu des jeux de données et l'architecture du réseau. La plupart des jeux de données publiques ne sont pas spécifiquement conçus pour la tâche de détection des contours. Nous proposons ici une solution à cette limitation. Premièrement, nous soutenons que les contours, les arêtes et les frontières, malgré leurs chevauchements, représentent trois caractéristiques visuelles distinctes nécessitant des jeux de données de référence spécifiques. À cet effet, nous introduisons un nouveau jeu de données dédié aux arêtes. Deuxièmement, nous proposons une nouvelle architecture, nommée Dense Extreme Inception Network for Edge Detection (DexiNed), qui peut être entraînée à partir de zéro sans recourir à des poids pré-entraînés. DexiNed surpasse les autres algorithmes sur le jeu de données présenté, tout en se généralisant efficacement à d'autres jeux de données sans nécessiter de réglage fin (fine-tuning). La qualité supérieure de DexiNed se manifeste également de manière perceptible, grâce à la netteté et à la finesse des contours qu'elle produit.