【特征融合】融合空间域和频率域提升边缘检测能力

        基于深度学习的边缘检测方法已显示出巨大的优势，并获得了可喜的性能。然而，目前大多数方法只能从空间（RGB）域提取特征进行边缘检测，可挖掘的信息有限。因此，这些方法无法很好地应用于物体与背景颜色相似的场景。为了应对这一挑战，提出了一种融合空间域和频率域特征的新型边缘检测方法。构建了一个频率感知（Frequency Perception，FP）模块来提取频域中物体的边缘，从而避免了空间域中由于颜色相似而无法区分的情况。多尺度增强（MSE）模块用于学习空间域的多尺度特征，使模型能够感知小物体的边缘。此外，还引入了空间-频率融合（S2F）模块，利用在线学习的方式融合空间域和频率域的特征。

Methods 

        为了获得更清晰、更准确的边缘，提出了结合空间域和频率域的 FSFD 方法。图 2 显示了方法的主要图示，其中包括三个模块：利用 FP 模块进行频域特征提取；利用 MSE 模块进行空间域特征提取；利用 S2F 模块进行特征融合。

Frequency perception module