全局嵌套边缘检测
介绍了一种新的基于 Holistically-Nested Edge Detector 结构的显著性检测方法，引入了短接结构，使得每层都具有丰富的多尺度特征图，并在五个广泛测试的显著对象检测基准中取得了最先进的结果，具有效率、效果和简单性等优点。
Nov, 2016
本文提出了一种基于深度学习的边缘检测器，结合了 HED 和 Xception 网络，生成适合人眼观察的细线条地图，无需先前的训练或微调。其次，作者还制作了一个大型数据集，用于对比已有的算法和训练提出的边缘检测器，实验结果表明，该方法能够提高 ODS 和 OIS 的 F - 度量值。
Sep, 2019
通过开发基于协作学习的模型 PEdger，我们试图解决边缘检测中的深度学习模型计算成本大、模型尺寸大、噪声标注和不准确性等问题，并通过大量实验证明了其在准确性、速度和模型尺寸方面的优越性。
Aug, 2023
本文提出了一种名为 TD-CEDN 的深度轮廓检测算法，该算法采用自上而下的完全卷积编码器 - 解码器网络，并在多尺度、多级特征学习以及前向传播阶段获得原始特征图，然后采用自下而上的方式进行解码，并使用各层次的特征进行迭代式的反卷积操作来实现基于像素级别的预测，从而取得了在 BSDS500、PASCAL VOC2012 和 NYU Depth 数据集上的最优效果。
May, 2017
本篇论文提出了一种用于语义边缘检测的卷积神经网络，使用多种深度监督的方式对分类不可知和分类可知的边缘进行单独识别以实现更好的结果，并引入信息转换单元以解决监督挑战。
Apr, 2018
3D 目标检测中，稀疏的点云数据分布是一项主要挑战，我们提出了 HEDNet，一种利用编码 - 解码网络来捕捉特征间的长距离依赖关系的方法，对于大型和远处物体具有优越的检测准确性和高效性。
Oct, 2023
边缘检测是计算机视觉各种任务中的一项基本技术，本文提出了一种新的自我监督方法用于边缘检测，通过多级、多同态变换技术将注释从合成数据集转移到真实世界数据集，并开发了 SuperEdge 模型，可同时在像素级和对象级粒度上提取边缘，相较于现有的 STEedge 方法，在 BIPEDv2 数据集上展示了 ODS 和 OIS 方面分别提高了 4.9% 和 3.3% 的边缘检测改进。
Jan, 2024
本文介绍了一种有效解决边缘检测中生成粗糙模糊边缘线的方法，该方法利用轻量级预训练主干网络、多尺度上下文信息聚合模块 (MCGI)、边界校正模块 (BCM) 和边界优化模块 (BRM) 来改善边缘图像的视觉效果，并通过基于 Tversky 指数的混合损失函数解决像素分布不平衡的问题。在三个标准基准数据集上进行实验，结果表明该方法在 BSDS500、NYUD-V2 和 BIPED 数据集上均取得了最佳性能。
Jun, 2024
本研究通过系统性分析表明使用基于卷积神经网络的边缘检测器的检测结果并未正确定位边缘像素，通过一种新的优化架构，使用自上而下的反向优化路径对特征图进行逐步加精，本研究获得了比人类更准确的性能表现，在计算机视觉中的多个重要应用中取得了较好效果，尤其是在语义分割这一应用领域表现突出。
Jan, 2018