要約
本稿では、エッジ検出に向けた軽量型 Dense Convolutional（LDC）ニューラルネットワークを提案する。提案モデルは、2つの最先端的手法を基盤としているが、それらと比較してパラメータ数が4%未満に抑えられる。提案アーキテクチャは細いエッジマップを生成し、100万パラメータ未満の軽量モデルと比較して最も高いスコア（ODS）を達成する。また、約3,500万パラメータを持つ重いアーキテクチャと比較しても、同等の性能を発揮する。異なるエッジ検出データセットを用いた定量的・定性的な実験結果および最先端モデルとの比較も提示している。LDCモデルは事前学習済み重みを使用せず、ハイパーパラメータの設定も直感的かつ容易である。ソースコードは https://github.com/xavysp/LDC にて公開されている。