Msmsfnet: a multi-stream and multi-scale fusion net for edge detection
Created by
Haebom
저자
Chenguang Liu, Chisheng Wang, Feifei Dong, Xiayang Xiao, Xin Su, Chuanhua Zhu, Dejin Zhang, Qingquan Li
개요
본 논문은 기존 엣지 검출 알고리즘의 성능이 ImageNet 데이터셋으로 사전 훈련된 백본 네트워크의 가중치에 크게 의존하는 문제점을 지적합니다. 사전 훈련된 가중치 사용은 새로운 엣지 검출 모델 설계의 어려움을 증가시키고, SAR 이미지와 같이 ImageNet 데이터셋과 통계적 특성이 다른 영역에서는 효과적이지 못합니다. 본 연구는 공개 데이터셋에서 최첨단 딥러닝 기반 엣지 검출기를 처음부터 학습시켰을 때의 성능을 분석하고, 새로운 네트워크 구조인 msmsfnet을 제안합니다. 실험 결과, msmsfnet은 세 개의 공개 데이터셋에서 기존 최첨단 엣지 검출기를 능가하며, SAR 이미지 엣지 검출에서도 효율성을 보입니다. 또한, 사전 훈련된 가중치를 사용할 경우 BSDS500 데이터셋에서 경쟁력 있는 성능을 달성합니다.
시사점, 한계점
•
시사점:
◦
사전 훈련된 가중치 없이도 우수한 성능을 달성하는 엣지 검출 모델(msmsfnet)을 제시했습니다.
◦
SAR 이미지와 같이 사전 훈련된 가중치가 부재하거나 효과적이지 않은 영역에서도 효과적인 엣지 검출이 가능함을 보였습니다.
◦
다양한 데이터셋에서 기존 최첨단 모델을 능가하는 성능을 입증했습니다.
•
한계점:
◦
제안된 모델의 일반화 성능에 대한 추가적인 연구가 필요합니다.
◦
다양한 유형의 이미지에 대한 엣지 검출 성능 비교 분석이 더욱 상세하게 이루어져야 합니다.
