论文阅读：《Holistically-Nested Edge Detection》

造孽啊，又看了一早上 NBA, 还好我支持的球队胜利了........嘻嘻嘻嘻，我粉卢比奥。

---

下午看了一篇论文《Holistically-Nested Edge Detection》,作者提出了一种 end to end的轮廓检测方法： Holistically-Nested Edge Detection (HED)。 这篇论文一定程度上解释了我在 文章DCAN 中提出的疑惑.

• FCN 属于multi-scale learning, 并且作者给出了一个很好的图，总结了常见的 multi-scale learning的结构形式( FCN 属于 b, 文章 属于 a， DCAN 属于 e)。

• 作者给出了(a), (b), (c) 与 (d) (e) 的区别。 在(a), (b), (c) 中， there is only one output loss function ,with a single prediction produced, 而在 (d), (e) 中， 则 obtain multiple predictions , then combine the edge maps together. 其中(e) 可以看做是 (d) 的 nested version , 其做法是： 对特定的几个卷积层输出做 upsample, 获得M个 side-out prediction. 在 side-out layer 后面添加 auxiliary classifier ， 起到 deeply supervision的作用：guiding the side-outs towardings edge predictions with the characeteristics。

• 所以可以猜测出作者的 motivation 是： 将监督信息馈入到中间层，使得从输入到 out-side layer 就可以构成一个独立的网络， 有多个out-side layer, 就有了多个独立网络，所以说 (e) 就是 (d) 的 nested version.

• 当然还有一个问题一直悬在我心上：这个 辅助分类器 到底是什么啊，为什么论文里总是一笔带过，连结构都不讲，难不成有很多见不得人的奇淫巧技在里面吗？

---

Holistically-Nested Edge Detection.png