点击上方↑↑↑“OpenCV学堂”关注我
来源：公众号 量子位 授权
没想到，现在手机上就能做实时线段检测了。
速度丝毫不比目标检测慢，而且检测效果还非常不错：
线段是计算机建立视觉认知的基础元素，利用LSD可以快速检测图像中的直线段，从而根据图像的几何特征设计算法，快速确定目标区域。
虽然之前的线段检测模型也能做到实时性，但往往只有在计算性能不错的GPU上才能实现。
随着机器人用途的多样化，现在就连移动设备（如手机）和嵌入式设备（机器人）也希望能搭载线段检测模型，为机器人视觉研究做准备。
为了满足这些需求，一个名为M-LSD的移动设备实时线段检测模型出现了。
据作者表示，这是首个能在移动设备上运行的线段检测模型，目前已开源。
此前，线段检测之所以复杂，是因为它需要用到很多模块来预测图片中的线段。
如下图，蓝色部分是之前的主流线段检测模型，这些模型的计算量和类型太大，结构还都基于大型模型构造，如基于ResNet50构建的FPN网络、残差U-Net……
这些模型，往往需要对图像进行多个模块的变换，最终才生成线段预测的结果。
然而M-LSD决定只用一个模块，直接生成center/displacement map，从而一步到位预测图像中的线段，极大地降低模型大小。
事实上，这个模型也确实非常小：1~11层基于MobileNet改编，12~16层则是一个自顶向下结构。
没错，一共也才16层结构，只相当于大型线段检测模型体积的2.5%。
据论文介绍，相比于其他大型模型（圆圈大小表示模型大小），M-LSD能在线段检测精度几乎保持不变的情况下，将模型运行速度提升至原来的2.3倍+。
从图中可见，作者们推出了M-LSD和M-LSD-tiny两个模型，都可以在安卓和苹果机上实时运行。
其中，M-LSD-tiny最快能以56.8FPS和48.6FPS的速度在手机上实时运行。
没错，现在AI在手机上给家具直线描边的速度，可能比你还快。
而且只要是直线物体，它都能快速地将轮廓提取出来，就像是我们快速勾勒草图一样。
现在你也可以用手机试一试（项目地址见文末）。
为了方便效果展示，作者们还推出了一个网页版demo，基于Python的flask框架开发。
打开这个在线demo（传送门见文末）后，就可以在线上传你想要检测线段的图片了。
由于是在网页上运行的，而且生成模型用的是M-LSD，因此检测速度无法达到手机上的实时检测效果（手机版M-LSD检测速度在12.7~26FPS左右）。
不过，网页版M-LSD生成一张线段检测图片，也只需要2.5秒左右。
我们先上传一张室内设计的图片试试。
效果确实不错，直线结构的部分都被勾勒了出来。
不过，线段检测的效果也会出现一些小bug。
例如在图中直线不够明确的时候，容易出现某些线段“漂移”的情况。
这项研究来自有“韩国版百度”之称的韩国最大互联网服务公司NAVER，主职搜索引擎业务。
一作Geonmo Gu，本科毕业于延世大学的电气与电子工程学院，硕士毕业于KAIST，研究方向是计算机视觉。
共同一作ByungSoo Ko，本科毕业于韩国忠南大学、加拿大纽芬兰纪念大学，硕士毕业于KAIST，目前在NAVER就职技术研究工程师。
对线段检测感兴趣的小伙伴，可以戳下方地址用起来了~
在线「线段检测」网页Demo：
https://gradio.app/g/AK391/mlsd
论文地址：
https://arxiv.org/abs/2106.00186
项目地址：
https://github.com/navervision/mlsd
