Edge Detection을 위한 풍부한 Convolutional Features

본 논문에서는 더 풍부한 합성곱 특징(Richer Convolutional Features, RCF)을 사용하여 정확한 엣지 검출기를 제안합니다. 자연 이미지의 객체들은 다양한 크기와 종횡비를 가지므로, CNNs(합성곱 신경망)이 자동으로 학습하는 풍부한 계층적 표현은 엣지와 객체 경계를 감지하는 데 매우 중요하고 효과적입니다. 또한 합성곱 특징은 수용 영역이 증가함에 따라 점차 거칠어집니다. 이러한 관찰 결과를 바탕으로 제안된 네트워크 구조는 모든 유용한 합성곱 특징을 통합적인 프레임워크로 결합하여 이미지-이미지 엣지 예측을 수행하기 위해 다중 스케일 및 다중 레벨 정보를 충분히 활용합니다. 이는 컴퓨터 비전 작업에서 이러한 풍부한 합성곱 특징을 도입하는 첫 번째 시도입니다. VGG16 네트워크를 사용하여 여러 공개 데이터셋에서 \sArt 결과를 달성했습니다. 잘 알려진 BSDS500 벤치마크에서 평가할 때, ODS F-측정값이 \textbf{.811}이며 빠른 속도(\textbf{8} FPS)를 유지하였습니다. 또한, 빠른 버전의 RCF는 ODS F-측정값이 \textbf{.806}이고 \textbf{30} FPS의 성능을 보였습니다.