エッジ検出の汎化に向けた小型かつ効率的なモデル

多くの高レベルなコンピュータビジョンタスクは、初期プロセスとして低レベルの画像操作に依存しています。エッジ検出、画像強化、超解像度などの操作は、上位レベルの画像分析の基礎を提供します。本研究では、エッジ検出において3つの主要な目標——単純さ、効率性、汎化能力——に焦点を当てます。現在の最先端（SOTA）のエッジ検出モデルは、精度向上のために複雑さが増しているためです。これらの目標を達成するために、我々はTiny and Efficient Edge Detector (TEED)という軽量な畳み込みニューラルネットワークを提案します。このモデルには58Kパラメータしかなく、最先端モデルの0.2%未満に過ぎません。BIPEDデータセットでの学習は30分未満で完了し、各エポックには5分未満しかかかりません。提案したモデルは学習が容易で、最初の数エポックで迅速に収束します。予測されたエッジマップは鮮明かつ高品質です。さらに、エッジ検出の汎化能力をテストする新しいデータセットを提案します。このデータセットには、エッジ検出と画像セグメンテーションで一般的に使用される人気のある画像サンプルが含まれています。ソースコードはhttps://github.com/xavysp/TEED で利用可能です。