에지 검출 일반화를 위한 소형且高效的모델

대부분의 고급 컴퓨터 비전 작업은 저수준 이미지 처리를 초기 과정으로 사용합니다. 엣지 검출, 이미지 향상, 초해상도 등의 연산은 고차원 이미지 분석의 기초를 제공합니다. 본 연구에서는 세 가지 주요 목표인 단순성, 효율성, 일반화를 고려하여 엣지 검출을 다룹니다. 현재 최신(스테이트 오브 더 아트, SOTA) 엣지 검출 모델들은 정확도 향상을 위해 복잡성이 증가하고 있습니다. 이를 달성하기 위해, 우리는 58K 파라미터로 구성된 경량 합성곱 신경망인 Tiny and Efficient Edge Detector (TEED)를 제시합니다. 이는 최신 모델의 0.2% 미만의 파라미터 수입니다. BIPED 데이터셋에서 TEED의 학습 시간은 30분 미만이며, 각 에포크는 5분 미만이 소요됩니다. 제안된 모델은 학습이 쉽고 초기 몇 개의 에포크 내에 빠르게 수렴하며, 예측된 엣지 맵은 선명하고 고품질입니다. 또한, 엣지 검출의 일반화 능력을 테스트하기 위한 새로운 데이터셋을 제안합니다. 이 데이터셋은 엣지 검출과 이미지 분할에서 자주 사용되는 인기 있는 이미지 샘플들을 포함하고 있습니다. 소스 코드는 https://github.com/xavysp/TEED에서 이용 가능합니다.