适用于复现RCF-Torch所需的人群
可以适配小编所写的”运行GitHub代码--Windows（二），RCF-PyTorch运行train_RCF.py文件“
介绍
在本文中，我们提出了一种使用更丰富的卷积特征（RCF）的精确边缘检测器。 由于自然图像中的对象具有各种比例和宽高比，因此学习丰富的层次表示对于边缘检测非常关键。 CNN已被证明对这项任务有效。 另外，随着接收场的增加，CNN中的卷积特征逐渐变得更粗糙。 根据这些观察，我们试图在这种具有挑战性的视觉任务中采用更丰富的卷积特征。 拟议的网络通过以整体的方式组合所有有意义的卷积特征，充分利用对象的多尺度和多层次信息来执行图像到图像的预测。 使用VGG16网络，我们可以在几个可用的数据集上实现最先进的性能。 在以著名的BSDS500基准进行评估时，我们实现了0.811的ODS F测度，同时保持了较快的速度（8 FPS）。 此外，我们的RCF快速版本以30 FPS达到了0.806的ODS F测度。
引文
如果您使用的是出版物中此处
