边缘检测算法

1）PiDiNet（工程首选，速度 + 精度平衡）GitHub

• BSDS500 ODS=0.807，RTX2080Ti96‑160FPS，轻量版本可跑 CPU。
• 优点：速度快、边缘连续、模型很小，开源完善；实际项目落地最多。
• 缺点：极细微纹理会多出杂线。

2）DexiNed

多尺度密集 inception，边缘连续性更强，弱边缘保留好，速度比 PiDiNet 慢，适合图像细节丰富场景（医学、素描生成）CSDN博...。

3）HED / RCF（经典基线）

HED 是最早多尺度嵌套边缘检测；RCF 精度略高于 HED；缺点：模型大、推理慢，现在大多做对比基线，很少直接部署。

4）MatchED（CVPR2026 最新 SOTA）

最新论文，输出边缘更锐利干净，抑制虚假纹理，精度刷新 BSDS/BIPED，但无成熟开源部署版本，仅科研Computer V...。

✅ 工程选型：追求速度选PiDiNet‑small；追求细节连续性选DexiNed；做科研对比看 MatchED。

三、物体实例轮廓（只提取物体闭合外轮廓，不是全图线条）

如果你的目标不是整张图所有线条，而是把每个物体抠出闭合轮廓点集：

1. EdgeSAM（SAM 衍生，当前 SOTA 实例轮廓）SAM 分割后专门优化边界，直接输出物体的高精度轮廓点；任意类别，零样本，不用训练。 优点：遮挡、复杂背景效果碾压传统；轮廓闭合完整。 缺点：推理重，需要 GPU；会受 SAM 分割掩码边界微小毛刺。

2. SAM + 轮廓后处理 SAM 得到 mask → findContours + 轮廓平滑 / 多边形逼近。最通用方案，但 mask 边界会有锯齿，要后处理。

3. Mask R‑CNN / SparseInst 需要标注数据集训练，适合特定类别，速度快；泛化差，未知物体效果差。