论文见解之RCF：Richer Convolutional Features for Edge Detection

论文名：Richer Convolutional Features for Edge Detection

code：https://github.com/yun-liu/rcf

这是cvpr2017的一篇文章，方向是边界分割，在这个语义分割横行的领域，边界分割的论文已经不多了，不过这篇论文着实不错

好的，话不多说，看看论文是怎么做的

其实这篇论文算是HED的加强版，论文指出，对于边界探测，以往的神经网络只采用了最后一层的特征作为输出，当然，在卷积的过程中，很多特征细节都丢失了，显然，只利用最后一层的卷积特征，至少在边界分割领域，是不推荐的

但是，在以往的工作中存在一个异类，就是HED

HED是级联结构，利用VGG作为模型进行fine-tune，输出vgg中5个stage的输出进行融合，不过HED只利用了每个stage中最后一层的卷积特征输出，HED的结构可以用下图表示：

RCF更进一步，将每个stage的特征进行eltwise，随后进行特征融合

可以看出，RCF相较于HED，利用了每个stage中所有卷积层的特征，利用了更多特征，也带来了结果上的提升，取得了不错的结果

总的来说，很不错的一篇文章