1PiDiNet工程首选速度 精度平衡GitHubBSDS500 ODS0.807RTX2080Ti96‑160FPS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。2DexiNed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...。3HED / 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。4MatchEDCVPR2026 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EdgeSAMSAM 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。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。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。