엣지 탐지용 밀집 극단적 인셉션 네트워크

이 문서는 수락 전 초안입니다. 최종 버전은 ScienceDirect의 Pattern Recognition 저널을 통해 확인하시기 바랍니다. 에지 검출은 많은 컴퓨터 비전 응용 기술의 기초가 된다. 최신 기술은 주로 딥러닝에 의존하며, 이는 데이터셋의 콘텐츠와 네트워크 아키텍처라는 두 가지 결정적 요인에 기반한다. 현재 공개된 대부분의 데이터셋은 에지 검출 작업을 위해 체계적으로 정제되지 않았다. 본 연구에서는 이러한 제약 조건에 대한 해결책을 제시한다. 먼저, 에지, 윤곽선, 경계는 서로 겹치는 경우가 있으나, 세 가지는 각각 별개의 시각적 특징이므로 별도의 벤치마크 데이터셋이 필요하다고 주장한다. 이를 위해 우리는 새로운 에지 데이터셋을 제안한다. 둘째, 사전 훈련된 가중치 없이도 초기 상태에서 훈련이 가능한 새로운 아키텍처인 ‘에지 검출을 위한 밀집형 극한 인셉션 네트워크(Dense Extreme Inception Network for Edge Detection, DexiNed)’를 제안한다. DexiNed는 제시된 데이터셋에서 다른 알고리즘들을 모두 능가하며, 추가 미세 조정(fine-tuning) 없이도 다른 데이터셋에 잘 일반화된다. 또한 DexiNed가 출력하는 에지가 더 선명하고 세밀하다는 점에서, 그 품질의 우수성이 시각적으로도 명확히 드러난다.