초록
의미 분할은 이미지의 각 픽셀에 클래스 라벨을 할당하는 작업입니다. 본 연구에서는 전체 감독과 부분 감독을 모두 처리할 수 있는 지역 기반 의미 분할 프레임워크를 제안하며, 세 가지 일반적인 문제를 해결합니다: (1) 객체는 여러 스케일에서 나타나므로 여러 스케일의 지역을 사용해야 합니다. 그러나 이러한 지역들이 겹치기 때문에 픽셀 단위에서 충돌하는 클래스 예측이 발생합니다. (2) 현실적인 데이터셋에서는 클래스 빈도수가 극히 불균형합니다. (3) 각 픽셀은 하나의 클래스만 할당될 수 있으므로, 클래스 간 경쟁이 발생합니다. 우리는 이 세 가지 문제를 최종 픽셀 단위 출력 라벨링에 정의된 다중 클래스 손실 함수를 최적화하는 공동 교정 방법으로 해결합니다. 이 방법은 단순한 지역 분류와는 달리, 픽셀 단위 라벨링에 초점을 맞춥니다. 제안된 방법은 인기 있는 SIFT Flow [18] 데이터셋에서 전체 감독 및 부분 감독 설정 모두에서 현존하는 최고 성능을 크게 능가(+6% 및 +10% 개선, 각각)하였습니다.