境界線とエッジの手がかりは、セマンティックセグメンテーション、オブジェクト認識、ステレオ視覚、およびオブジェクト提案生成などの多くの視覚タスクの改善に非常に有益です。最近、エッジ検出の問題が再評価され、深層学習を用いて著しい進歩が見られています。古典的なエッジ検出自体が二値問題として難易度が高い一方で、カテゴリ感知型のセマンティックエッジ検出は本質的により困難な多ラベル問題となります。この問題に対処するために、各エッジピクセルが2つ以上のセマンティッククラスに属する輪郭や接続点に関連付けられるようにモデル化しました。これにより、私たちはResNetに基づく新しい端対端の深層セマンティックエッジ学習アーキテクチャと、上位の畳み込み層でのカテゴリごとのエッジ活性化が下位層の特徴量セットと共有可能であり融合される新しいスキップ層アーキテクチャを提案します。さらに、これらの融合された活性化を監督するための多ラベル損失関数も提案しています。我々の提案したアーキテクチャはこの問題に対して優れた性能を示し、SBDやCityscapesなどの標準データセットにおいて現行の最先端のセマンティックエッジ検出手法よりも大幅に高性能であることを実証しています。