Richer Convolutional Features for Edge Detection (CVPR 2017)

Richer Convolutional Features for Edge Detection (CVPR 2017)

-Authors: Yun Liu, Ming-Ming Cheng, Xiawei Hu, Kai Wang, Xiang

 

-본 논문에서는 영상의 object들은 다양한 scale과 다방변의 ratio를 보여주기 때문에 rich hierarchical representations을 통한 edge detection을 강조한다. 제안하는 RCF(Richer Convolutional Features) Network는 multi-scale, multi-level을 통해edge detection할 object의 information을 충분히 추출한다.

 

-제안하는 네트워크는 convolutional feature들은 점차 강해지고(coarser)해지고 중간단계의 layer(intermediate layer)들 또한 유용한 정보들이 많다는 관찰을 통해 VGG16구조를 기반으로 네트워크를 설계했다. VGG16구조에 pooling을 통해 multi-scale구조를 만들며, convolution이 점점 깊어지는 구조와, intermediate layer들도 유용한 정보를 가진다는 관찰을 통해 중간 layer들의 output들을 모두 concat하여 최종 output을 만들어 낸다.

 

Figure 1: Architecture of RCF

 

-Training detail로는 intermediate layer output들을 각각 학습하는 pyramid training을 진행했고, 모든 layer의 average를 하여 최종 output을 만들어낸다.

 

Figure 2:  Richer Convolutional Features for Edge Detection