MiLSD: A Micro Line-Segment Detector for Resource-Constrained Devices

背景

线段检测是视觉SLAM、三维重建和工业检测中的关键基础模块。近年来，深度学习方法显著提升了检测精度，但即便是最小的模型也需要数兆字节的内存，超出了低成本微控制器单元（MCU）的容量上限。如何在亚兆字节（sub-megabyte）的内存预算下实现尽可能高的检测精度，成为资源受限设备上计算机视觉应用的重要挑战。

核心内容

该工作提出了一种名为 MiLSD（Micro Line-Segment Detector）的线段检测器，专门针对MCU级别的资源约束进行设计。研究团队在一个紧凑的全卷积骨干网络（fully-convolutional backbone）中，系统比较了三种不同的输出表示方式：

1. F-Clip 中心-长度-角度表示（Center-with-Length-and-Angle，简称 F-Clip）：将线段表示为线段中心点的位置、线段的长度和朝向角度。
2. 其他两种作为对比的表示方式（原文未具体展开，但实验表明 F-Clip 效果最佳）。

实验结果显示，在小型模型规模下，F-Clip 表示方式学习效果最优。量化方面，8-bit 量化能够保持全精度（full-precision）性能，而 4-bit 量化则导致显著的精度退化，尤其是在角度回归（angle regression）上，即使采用量化感知训练（quantization-aware training）也只能恢复部分损失。

在推理阶段，MiLSD 采用了多种增强策略：亚像素解码（sub-pixel decoding）、测试时增强（test-time augmentation）以及一个轻量级验证器（lightweight verifier）。在 1 MB 激活内存预算下，MiLSD 将上海科技大学 Wireframe 数据集上的 sAP10 指标从基准的 10.6（25k 参数，0.25 MB）提升至 24.1。

该研究并未试图与 GPU 规模的线段解析器竞争，而是系统地绘制了不同表示方式、量化位宽、模型容量以及后处理策略下的精度-内存权衡曲线，为嵌入式视觉系统提供了实用的设计指导。

关键要点

• 目标设备：面向资源受限的微控制器（MCU），内存预算严格限制在亚兆字节级别。
• 模型结构：紧凑的全卷积骨干网络，输出三种不同表示方式的对比。
• 最优表示：F-Clip 中心-长度-角度表示在极小模型下学习效率最高。
• 量化影响：8-bit 量化几乎无损；4-bit 量化导致精度严重下降，尤其是角度回归，量化感知训练只能部分补偿。
• 性能提升：在 1 MB 激活内存预算下，sAP10 从 10.6 提升至 24.1，主要得益于子像素解码、测试时增强和轻量级验证器。
• 研究定位：不追求与 GPU 级解析器竞争，而是为嵌入式视觉系统提供精确的精度-内存权衡图谱。

意义与影响

MiLSD 的研究填补了线段检测在极端资源受限设备上的空白。通过系统实验，它揭示了在微控制器级别内存约束下，模型表示方式、量化策略和后处理增强对精度的具体影响。这对于推动低成本、低功耗的嵌入式视觉应用（如无人机、机器人、工业检测传感器）具有重要参考价值。此外，论文提供的精度-内存权衡曲线为后续研究者在不同硬件预算下选择合适模型和优化方法提供了直接依据。