MiLSD：面向资源受限设备的微型线段检测器
线段检测是视觉SLAM、3D重建和工业检测的关键模块。现有深度学习方法虽精度高，但最小模型也需数兆字节内存，超出低成本MCU的容量。本文研究亚兆字节预算下的最大可达精度，提出MiLSD——针对MCU约束设计的检测器，系统比较紧凑全卷积骨干网络中的三种输出表示，发现所提出的F-Clip中心-长度-角度公式在小模型规模下学习效率最高。8位量化可保持全精度性能，而4位量化导致显著退化，尤其角度回归，量化感知训练仅能部分恢复损失。在1兆字节激活预算下，结合亚像素解码、测试时增强和轻量验证器，MiLSD将ShanghaiTech Wireframe上的sAP10从10.6（25k参数，0.25 MB）提升至24.1。本文不试图与GPU级解析器竞争，而是绘制了嵌入式视觉系统中不同表示、位宽、容量和后处理策略下的精度-内存权衡图。
线段检测是计算机视觉中的一项基础任务，广泛应用于视觉同步定位与地图构建（SLAM）、三维重建以及工业检测等领域。近年来，基于深度学习的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，这远远超出了低成本微控制器单元（MCU）的容量限制。例如，常见的ARM Cortex-M系列MCU通常只有几百KB到几MB的RAM，无法容纳现有的深度学习线段检测模型。因此，在亚兆字节（sub-MB）内存预算下实现高精度线段检测成为一个关键挑战。
在这篇于2026年7月7日提交的论文中，来自Parsa Hassani Shariat Panahi等三位作者的研究团队提出了MiLSD（Micro Line-Segment Detector），一种专为MCU级资源约束设计的微型线段检测器。该工作系统性地探索了在紧凑的全卷积骨干网络中，三种不同的输出表示对模型性能的影响：标准的热图回归、偏移量回归以及他们提出的F-Clip中心-长度-角度公式。实验结果表明，F-Clip公式在小模型规模下学习效率最高，能够更有效地利用有限的参数和内存资源。例如，在仅有25k参数（0.25 MB）的基线上，F-Clip表示就展现出了优于其他表示的性能。
在模型量化方面，研究团队发现8位量化几乎可以无损地保持全精度模型的性能，这使得模型可以在低功耗MCU上高效运行。然而，4位量化会导致显著的精度下降，尤其是在角度回归方面，即使采用量化感知训练也只能部分恢复损失的性能。这一发现对于边缘设备上的模型部署具有重要指导意义。
为了在1兆字节的激活预算内进一步提升性能，MiLSD引入了多种推理增强技术：亚像素解码可以提高线段的定位精度，测试时数据增强能够增加预测的鲁棒性，而轻量级验证器则用于过滤掉低质量的检测结果。通过这些技术的组合，MiLSD在ShanghaiTech Wireframe数据集上的sAP10指标从基线模型的10.6提升至24.1，性能提升超过一倍，同时内存占用保持在1 MB以内。
值得注意的是，该工作并不旨在与GPU级的大规模解析器竞争，而是专注于为嵌入式视觉系统绘制精度-内存的权衡曲线。论文系统地比较了不同输出表示、位宽（8位与4位）、模型容量（从25k参数到更大规模）以及后处理策略（如亚像素解码、测试时增强和验证器）对精度和内存消耗的影响。这些结果可以指导工程师根据具体应用场景（如机器人、无人机、工业传感器）的设备限制，选择合适的模型配置。
MiLSD的提出填补了高精度线段检测与低功耗嵌入式设备之间的空白，使得在成本敏感的物联网终端、微型无人机以及工业传感器上部署实时视觉算法成为可能。未来工作可以进一步探索模型压缩技术（如知识蒸馏、权重共享）以及硬件协同设计，以推动线段检测在边缘计算场景中的更广泛应用。论文共计10页，包含12张图表和5个表格，所有代码和模型将在论文发表后开源。