Os métodos predominantes atuais de detecção de bordas baseados em redes neurais convolucionais apresentam limitações no alcance do campo receptivo e na percepção de bordas finas. Com o desenvolvimento do Transformer visual, sua capacidade de modelagem global e o mecanismo flexível de interação de informações trouxeram novas possibilidades para a tarefa de detecção de bordas. Para resolver esse problema, este artigo propõe um modelo codificador-decodificador TFEdge que combina Transformer visual, pirâmide de agregação multinível e módulo de agregação de atenção multiescala para detecção de bordas de alta precisão. O modelo introduz o Dilated Neighborhood Attention Transformer como a rede principal, extraindo informações globais de contexto e pistas locais de bordas por meio de um design em várias etapas. Ao mesmo tempo, foi projetada uma pirâmide de características de agregação multinível para agregar as características profundas e superficiais de cada estágio, conferindo às características superficiais características semânticas mais ricas para suprimir o ruído da imagem e melhorar a capacidade de detecção de bordas pouco evidentes. Finalmente, propõe-se um módulo de agregação de atenção multiescala baseado no mecanismo de atenção, que agrega informações de atenção espacial e por canal em cruzamento de escala da imagem, fortalecendo ainda mais a representação das características. Os experimentos foram avaliados nos conjuntos de dados BSDS500 e NYUDv2; o TFEdge alcançou pontuações ODS e OIS F de 0,857 e 0,874 no BSDS500 e 0,788 e 0,801 no NYUDv2, respectivamente. Em comparação com vários métodos existentes, o TFEdge demonstra um desempenho superior na detecção de bordas tanto em resultados quantitativos quanto qualitativos.

detecção de bordas;Transformer;mecanismo de atenção;pirâmide de agregação multinível;reforço de atenção multiescala