ilydouble
commented
5 years ago 关于Richer Convolutional Features for Edge Detection，别人写了三个评价：
1）边缘检测的发展是从局部信息开始，到结合高层信息。从结果对比来看，一些传统方法的效果差距并不是很大。 2）神经网络用于边缘检测，目前来看主要是对卷积层输出信息的再利用。关于无监督神经网络边缘提取的文章可以再阅读一下。 3）医学图像相比传统图像，只有灰度信息，因此已有人工设计的特征不够丰富。但是鉴于训练数据的问题，所以接下来可以尝试先用传统方法进行边缘检测，然后考虑无监督以及有监督训练的可能性。 我觉得它的鲁棒性LOSS很有趣。
关于数据集
有BSD500，multiCUE以及NYUD
1.看了这篇论文Richer Convolutional Features for Edge Detection，对图像的边缘分割有了一定了解 2.找了几篇相关的文献 Convolutional Oriented Boundaries: From Image Segmentation to High-Level Tasks Deep Crisp Boundaries: From Boundaries to Higher-level Tasks Learning to predict crisp boundaries Structural Edge Detection:A Dataset and Benchmark 准备看看 3.使用unet跑了细胞分割的代码https://github.com/zhixuhao/unet，这个代码使用keras写的，自己写了一个基于pytorch的代码，出来的效果感觉不是很好
下面是我的代码的结果
一些细节没出来
接下来，了解下边缘分割论文里面的一些评价指标，数据集；准备找另外一个分割的小实验练练手；看论文，看看别人的思路。