エッジ検出のための密度型エクストリームインセプションネットワーク

＜＜＜本稿は受諾前の版です。最終版はScienceDirectの『Pattern Recognition』ジャーナルにてご確認ください＞＞＞。エッジ検出は、多くのコンピュータビジョン応用の基盤となる技術である。最先端の手法は、主に深層学習に依拠しており、その成功の鍵をなす2つの要因として、データセットの内容とネットワークアーキテクチャが挙げられる。現存する公開データセットの多くは、エッジ検出タスクを目的として整備されていない。本研究では、この制約に対する解決策を提示する。まず、エッジ、輪郭、境界という概念は重なりが生じるものの、それぞれが独立した視覚特徴であるため、別々のベンチマークデータセットを用意する必要があると主張する。その実現のため、新たなエッジデータセットを提案する。第二に、事前学習済み重みなしで初期から訓練可能な、新たなアーキテクチャである「エッジ検出用密度極端インセプションネットワーク（Dense Extreme Inception Network for Edge Detection, DexiNed）」を提案する。DexiNedは提示したデータセットにおいて、他の手法を上回る性能を発揮する。また、微調整（fine-tuning）を一切行わずに、他のデータセットへの汎化性能も優れている。さらに、出力されるエッジがより明確で細部まで精確であるため、視覚的にも高い品質が明確に確認できる。