本文所提出的整體嵌套邊緣檢測(cè) (HED)解決了兩個(gè)關(guān)鍵問(wèn)題: (1)基于整體圖像的訓(xùn)練和預(yù)測(cè),受完全卷積神經(jīng)網(wǎng)絡(luò)的啟發(fā),用于圖像到圖像的分類 (系統(tǒng)將圖像作為輸入,并直接產(chǎn)生邊緣圖圖像作為輸出); (2)嵌套式多尺度特征學(xué)習(xí),受deep supervision的網(wǎng)絡(luò)啟發(fā),執(zhí)行深層監(jiān)督以“指導(dǎo)”早期分類結(jié)果。 發(fā)現(xiàn)利用這些基礎(chǔ)技術(shù)的提取的有用特征在HED中表現(xiàn)出較高的準(zhǔn)確率以及計(jì)算效率。