# EdgeNAT：高效边缘检测的 Transformer 新思路

By [wjmrzwyr](https://paragraph.com/@wjmrzwyr) · 2025-03-24

---

摘要
--

Transformer 凭借其强大的特征提取能力，在众多视觉任务中展现了卓越的表现。尤其是近年推出的具有层次结构的 Transformer，诸如 Dilated Neighborhood Attention Transformer (DiNAT)，在高效捕获全局与局部特征上表现尤为突出。然而，Transformer 在边缘检测领域的潜力尚未得到充分挖掘。本文提出了一种基于 Transformer 的单阶段边缘检测器——EdgeNAT。该方法采用 DiNAT 作为编码器，能够精准、高效地提取目标边界与有意义的边缘信息。

EdgeNAT 利用 DiNAT 捕获全局上下文信息与局部细节线索，同时通过创新性的 SCAF-MLA 解码器进一步增强特征表达能力，从空间与通道两个维度优化特征图关系。通过在多个数据集上的大量实验验证，EdgeNAT 在 RGB 和深度图像上的性能均达到了最新的技术水平。特别是在广泛使用的 BSDS500 数据集上，EdgeNAT L 模型在多尺度输入下实现了 ODS F-measure 和 OIS F-measure 分别为 86.0%、87.6%，在单尺度输入下分别为 84.9%、86.3%，相比当前最佳方法 EDTER 分别提高了 1.2%、1.1%、1.7% 和 1.6%。此外，在 RTX 4090 GPU 上使用单尺度输入，EdgeNAT 的推理速度可达 20.87 FPS。

👉 [【点击查看】2025年最新 edgeNAT 优惠码及特价云服务器方案汇总](https://bit.ly/edgenat)

---

*Originally published on [wjmrzwyr](https://paragraph.com/@wjmrzwyr/edgenat-transformer)*