LSDNet: 실시간 선분 검출을 위한 학습 가능한 LSD 알고리즘 수정

오늘날까지 가장 높은 정확도를 가진 선분 검출(Line Segment Detection, LSD) 알고리즘은 컨벌루션 신경망(Convolutional Neural Networks, CNNs) 기반의 알고리즘에 의해 달성되었습니다. 불행히도 이러한 방법들은 깊고 무거운 네트워크를 사용하며, 전통적인 모델 기반 검출기보다 느립니다. 본 논문에서는 경량화된 CNN을 고전적인 LSD 검출기에 통합하여 정확하면서도 빠른 CNN 기반 검출기인 LSDNet을 개발하였습니다. 구체적으로, 원래의 LSD 알고리즘에서 첫 번째 단계인 원시 이미지 그래디언트로부터 선분 히트맵과 접선 필드를 생성하는 과정을 경량화된 CNN으로 대체하였습니다. 이는 더 복잡하고 풍부한 특징들을 계산할 수 있습니다. LSD 알고리즘의 두 번째 부분은 약간의 수정만으로 그대로 사용되었습니다.표준 Wireframe 데이터셋에서 여러 현대적 선분 검출기를 비교한 결과, 제안된 LSDNet은 214 FPS의 최고 속도(CNN 기반 검출기 중에서)와 78 Fh의 경쟁력 있는 정확도를 제공합니다. 가장 높은 보고된 정확도는 33 FPS에서 83 Fh이지만, 주석 오류로 인해 관찰된 정확도 차이는 실제보다 크게 나타나며, 실제 차이는 상당히 작다고 추측됩니다. 우리는 인기 있는 선 검출 벤치마크인 Wireframe과 York Urban의 주석에 대한 체계적인 일관성 문제를 지적하고, 일부 이미지를 세심하게 재주석하여 (i) 기존 검출기가 재학습 없이 업데이트된 주석에서 향상된 품질을 보였으며, 이는 새로운 주석이 올바른 선분 검출 개념과 더 잘 일치함을 시사합니다; (ii) 우리의 검출기와 다른 검출기 간의 정확도 차이가 0.2 Fh라는 미미한 수준으로 줄어들었음을 보여주었습니다. 이 결과는 우리의 방법이 가장 빠르다는 것을 입증합니다.