초록
최신의 의미 분할 모델은 이미지 분류를 위해 처음 설계되었던 합성곱 네트워크의 변형을 기반으로 하고 있습니다. 그러나 밀집 예측과 이미지 분류는 구조적으로 다르다는 점을 고려해야 합니다. 본 연구에서는 밀집 예측에 특화된 새로운 합성곱 네트워크 모듈을 개발하였습니다. 제시된 모듈은 해상도를 잃지 않고 다중 스케일 문맥 정보를 체계적으로 집적하기 위해 희소합성곱(다ilated convolutions)을 사용합니다. 이 아키텍처는 희소합성곱이 해상도나 커버리지를 잃지 않으면서 수용 필드(receptive field)의 지수적인 확장을 지원한다는 사실에 기초하고 있습니다. 우리는 제시된 문맥 모듈이 최신의 의미 분할 시스템의 정확도를 향상시키는 것을 보여주었습니다. 또한, 이미지 분류 네트워크를 밀집 예측에 적응시키는 방법을 검토하고, 적응된 네트워크를 단순화함으로써 정확도가 향상될 수 있음을 입증하였습니다.