本論文では、HED（Holistically-Nested Edge Detection）とXceptionネットワークの両方に着想を得た深層学習に基づくエッジ検出器を提案します。提案手法は、人間の目にとって現実的な細いエッジマップを生成し、事前学習や微調整プロセスを必要とせずに任意のエッジ検出タスクに使用できます。第二の貢献として、慎重にアノテーションされたエッジを持つ大規模なデータセットが生成されました。このデータセットは、提案手法の学習だけでなく、最先端アルゴリズムとの比較にも使用されました。定量評価と定性評価が複数のベンチマークで行われ、ODS（Optimal Dataset Scale）およびOIS（Optimal Image Scale）のF値において提案手法が改善していることが示されています。