【CVPR2017】Richer Convolutional Features for Edge Detection论文阅读笔记

柔情只为你懂 2021-11-06 00:08 364阅读 0赞

一、作者

![20190809143021920.png][]

二、方法概括

本文提出一种准确的边缘检测方法，使用丰富的卷积特征richer convolutional features(RCF)。使用VGG16网络，取得state-of-the-art性能，在BSDS500数据集，获得ODS 0.811，125ms每幅，超过人类性能（ODS 0.803）。此外，我们有个加速版本，33ms每幅，ODS 0.806。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTE0NDczNjk_size_16_color_FFFFFF_t_70][]

三、创新点和贡献

跟HED很类似，不同之处是将CNN卷积网络的每一层都利用起来，而HED只利用CNN每个阶段的最后一个卷积层。

四、方法细节

1.  **网络结构**

网络对VGG16进行了修改。VGG16网络由13个卷积层和3个全连接层构成。不同层的网络结构如下图所示，随着层数加深，感受野加大，提取的特征更粗糙，各层感受野大小如下表所示：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTE0NDczNjk_size_16_color_FFFFFF_t_70 1][]

本文的网络结构如下图所示，输入图像为任意尺寸，输出为同尺寸的边缘图。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTE0NDczNjk_size_16_color_FFFFFF_t_70 2][]

相比于VGG16，主要更改为：

1.  移除了pool5和全连接层；
2.  每个卷积层后跟了一个1\*1的卷积层，channel depth为21。每个阶段使用eltwise层将这些结果层相加(对应元素相加)，获取混合特征；
3.  每个eltwise层后跟一个1\*1卷积层 ，channel depth为1。然后deconv层去up-sample特征图；
4.  反卷积后接cross-entropy loss层(训练)/sigmoid层(测试)；
5.  所有up-sampling层串连，然后使用1\*1卷积层去融合每个阶段特征图，然后接cross-entropy loss层(训练)/sigmoid层(测试)获得fusion loss/输出。

以上所有参数都是自动学习的，因为VGG16的卷积层的感受野尺寸不同，所以网络可以学到多尺度的特征。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTE0NDczNjk_size_16_color_FFFFFF_t_70 3][]

1.  **Annotator-robust Loss****方程**

我们将所有gt进行平均生成边缘概率图，像素值在\[0，1\]之间，0表示没有annotator进行标注，1表示所有annotator都标注为边缘点。像素值高于![20190809143021899.png][] 表示正样本，0表示负样本，低于![20190809143021908.png][] 高于0作为ignore（不计算loss）。

根据像素的label计算每个像素的loss：

![20190809143021932.png][]

![20190809143021979.png][]

![20190809143021935.png][] 分别表示正负样本，超参数![20190809143021924.png][] 用来平衡正负样本。Xi为像素i的activation值（CNN特征向量），![20190809143021930.png][] 为像素i的gt边缘概率值。P(X)是标准sigmoid方程，W表示所有学习到的参数。因此，我们的改进的loss方程为：

![20190809143021926.png][]

每个像素在五个阶段和融合层的loss的相加值

![20190809143021977.png][] 是阶段k的激活值，![20190809143021925.png][] 是融合层的激活值。![20190809143021926.png][] 是image I的像素个数，K是阶段数，这里为5。

1.  **多尺度层级边缘检测**

单尺度边缘检测：输入图像，输出边缘图，尺寸相同。

为了改善边缘质量，我们使用图像金字塔进行测试。resize图像构造图像金字塔，然后分别输入单尺度边缘检测网络。所有边缘图结果经过双线性插值缩放到原始输入尺寸。最后所有边缘图经过平均化得到最终结果。

我们尝试过权重相加，发现平均化效果最好。为了权衡性能和速度，我们使用0.5、1.0、1.5的尺度。多尺度性能从0.806提升至0.811，速度从30FPS降到8FPS。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTE0NDczNjk_size_16_color_FFFFFF_t_70 4][]

1.  **与HED****的比较**

区别在以下三方面：

1.  网络结构：HED只用了VGG16的每个阶段的最后一层卷积层，丢失了很多边缘信息。
2.  gt选择：提出新的loss方程，只使用标注人标的最多正样本像素。
3.  多尺度：我们使用多尺度多层级去加强边缘。

实验结果在ODS的F值比HED增加2.3%，证明以上改善有用。

五、实验结果

使用公用平台的Caffe，在ImageNet上预训练的VGG16初始化本网络。Pool4层的stride从2变为1，使用atrous算法填补空洞。RCF训练时，前5阶段的1\*1卷积层从0均值、标注方差0.01、偏差0的高斯分布初始化权重。Fusion阶段1\*1卷积层的权重从0.2，偏差从0开始初始化。采用minibatch SGD，每个iteration随机采样10张图像，全局学习率为1e-6，每隔1万轮减小10倍。Momentum为0.9，权重衰减为0.0002。我们总共训练4万轮。Loss方程的参数![20190809143021973.png][] 和![20190809143021951.png][] 取决于训练数据。使用GPU Titan X。

1.  **BSDS500****数据集**

训练集200，验证集100，测试集200，每幅图4-9人标注。使用训练集+验证集+Pascal VOC Context数据集作为训练集。![20190809143021957.png][] 和![20190809143021951.png][] 为0.5和1.1。

评价时，细的边缘使用标准NMS过滤。图5显示RCF跟传统和深度学习边缘检测算法的比较。RCF性能最佳，甚至多尺度RCF性能比人眼性能更佳。证明所有卷积层都包含有帮助性的层次信息，并不只有每阶段的最后一层卷积才有用。

速度方面，RCF为30FPS，RCF-MS为8FPS，HED为30FPS，Canny为28FPS。

1.  **NYUD****数据集（略）**

NYUD包括1449标注的RGB图像和对应的深度图像，381张训练，414张验证，654张测试。

1.  **Multicue****数据集（略）**

Multicue数据集是为了学习心理物理学来边界检测的。由简短的双目视频组成，视频由100帧具有挑战性的立体摄像头拍摄的自然场景图像构成。

1.  **网络讨论**

尝试VGG部分卷积阶段接rcf的side输出，其余部分接hed，在BSDS上训练测试，说明rcf的网络结构比hed的好。

尝试在每个阶段的1\*1\*21或者1\*1\*1卷积层后接ReLU层，性能变差。特别是加在1\*1\*1之后，网络不能很好的收敛。

[20190809143021920.png]: /images/20211104/490d55f62d5d41cdaf6b4938958bedc9.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTE0NDczNjk_size_16_color_FFFFFF_t_70]: /images/20211104/199e19fe45d144b397c1f285e89947ab.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTE0NDczNjk_size_16_color_FFFFFF_t_70 1]: /images/20211104/df34211bfe484a00b5eadeebcec852f6.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTE0NDczNjk_size_16_color_FFFFFF_t_70 2]: /images/20211104/e84cb4456a73476a82f3e0760b533912.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTE0NDczNjk_size_16_color_FFFFFF_t_70 3]: /images/20211104/020da37f752143848805c1c1092439d8.png
[20190809143021899.png]: https://img-blog.csdnimg.cn/20190809143021899.png
[20190809143021908.png]: /images/20211104/491b98c60bfb42349c2b9877b9876806.png
[20190809143021932.png]: /images/20211104/df66ad2bf8f94ab7af57a55bf2c2a2d4.png
[20190809143021979.png]: /images/20211104/e60f3af2b02d424b8690f3ed71df085c.png
[20190809143021935.png]: https://img-blog.csdnimg.cn/20190809143021935.png
[20190809143021924.png]: https://img-blog.csdnimg.cn/20190809143021924.png
[20190809143021930.png]: /images/20211104/7fe38bf7c4f849f7bb3e21d850c63e2f.png
[20190809143021926.png]: /images/20211104/1b16b67660154ae68e112d4a899df947.png
[20190809143021977.png]: https://img-blog.csdnimg.cn/20190809143021977.png
[20190809143021925.png]: https://img-blog.csdnimg.cn/20190809143021925.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTE0NDczNjk_size_16_color_FFFFFF_t_70 4]: /images/20211104/0f2b31ecf81e418496ecda6801d8effc.png
[20190809143021973.png]: https://img-blog.csdnimg.cn/20190809143021973.png
[20190809143021951.png]: /images/20211104/4464e6f0be644f2ab2c7e7b72b291482.png
[20190809143021957.png]: https://img-blog.csdnimg.cn/20190809143021957.png