pytorch-hed

这是使用PyTorch对全息嵌套边缘检测[1]的个人重新实现。如果您使用本项目，请适当引用该论文。同时，请确保遵守作者的许可条款。如果您使用此特定实现，请适当致谢[2]。

<a href="https://arxiv.org/abs/1504.06375" rel="Paper"><img src="https://yellow-cdn.veclightyear.com/ab5030c0/7efe4ccd-e82a-4123-bd44-b6b11f20617f.jpg" alt="Paper" width="100%"></a>

原始版本请参见：https://github.com/s9xie/hed <br /> 另一个基于Caffe的重新实现请参见：https://github.com/zeakey/hed

使用方法

要在您自己的图像上运行，请使用以下命令。请务必查看他们的论文/代码以获取更多详细信息。

python run.py --model bsds500 --in ./images/sample.png --out ./out.png

我担心这个重新实现与原始Caffe版本并不完全一致，尽管它使用了官方权重。在BSDS500数据集上，它实现了ODS=0.774，而官方版本为ODS=0.780，评估使用此代码。欢迎通过提交问题和拉取请求来为此存储库做出贡献。

对比

<p align="center"><img src="https://yellow-cdn.veclightyear.com/ab5030c0/c52ebd54-7977-4d79-9141-18812f2dfd1e.gif?raw=true" alt="Comparison"></p>

参考文献

[1]  @inproceedings{Xie_ICCV_2015,
         author = {Saining Xie and Zhuowen Tu},
         title = {Holistically-Nested Edge Detection},
         booktitle = {IEEE International Conference on Computer Vision},
         year = {2015}
     }

[2]  @misc{pytorch-hed,
         author = {Simon Niklaus},
         title = {A Reimplementation of {HED} Using {PyTorch}},
         year = {2018},
         howpublished = {\url{https://github.com/sniklaus/pytorch-hed}}
    }