큰 커널이 중요하다 -- 글로벌 컨볼루션 네트워크를 이용한 의미 분할 개선

최근의 네트워크 아키텍처 설계 트렌드 [30, 31, 14] 중 하나는 전체 네트워크에서 작은 필터(예: 1x1 또는 3x3)를 쌓는 것입니다. 같은 계산 복잡도를 가정할 때, 쌓인 작은 필터가 큰 커널보다 더 효율적이라는 이유 때문입니다. 그러나 픽셀 단위로 밀집된 예측을 수행해야 하는 의미 분할(seman- tic segmentation) 분야에서는 분류와 위치 결정 작업을 동시에 수행해야 할 때 큰 커널(및 효과적인 수용 영역)이 중요한 역할을 합니다. 우리의 설계 원칙에 따라, 우리는 의미 분할에서의 분류와 위치 결정 문제를 해결하기 위해 글로벌 합성곱 네트워크(Global Convolutional Network)를 제안합니다. 또한 객체 경계를 더욱 정교하게 조정하기 위해 잔차 기반 경계 개선(residual-based boundary refinement) 방법을 제안합니다. 우리의 접근 방식은 두 가지 공개 벤치마크에서 최고 성능을 달성하며, PAS-CAL VOC 2012 데이터셋에서는 82.2%(대비 80.2%)이고 Cityscapes 데이터셋에서는 76.9%(대비 71.8%)로 이전 결과보다 크게 우수한 성능을 보여주었습니다.