源代码: https://github.com/xavysp/TEED
论文地址：https://arxiv.org/pdf/2308.06468.pdf
大多数高级计算机视觉任务依赖于低级图像操作作为其初始过程。边缘检测、图像增强和超分辨率等操作为更高级的图像分析提供了基础。在这项工作中，我们考虑三个主要目标来解决边缘检测:简单，效率和泛化，因为当前最先进的(SOTA)边缘检测模型的复杂性增加了，以获得更好的准确性。
为了实现这一点，我们提出了微小和高效的边缘检测器(TEED)是一种轻量级的卷积神经网络，只有58K个参数，不到最先进模型的0.2%。在BIPED数据集上的训练用时不到30分钟，每个epoch用时不到5分钟。我们提出的模型易于训练，并且在最初的几个epoch内快速收敛，同时预测的边缘图清晰且质量高。此外，我们提出了一个新的数据集来测试边缘检测的泛化，它包括用于边缘检测和图像分割的常用图像的样本。
