초록
이미지 주요성 검출은 최근 깊은 합성곱 신경망(deep convolutional neural networks) 덕분에 급속한 발전을 이룩하였습니다. 그러나 기존의 어떤 방법도 감지된 주요 영역에서 객체 인스턴스를 식별하는 데는 실패하고 있습니다. 본 논문에서는 입력 이미지에 대해 구분 가능한 객체 인스턴스 라벨을 가진 주요성 마스크를 생성하는 주요 인스턴스 분할 방법을 제시합니다. 우리의 방법은 세 단계로 구성되며, 주요성 맵 추정, 주요 객체 윤곽 검출, 그리고 주요 객체 인스턴스 식별입니다. 첫 두 단계를 위해 우리는 다중 스케일 주요성 정제 네트워크(multiscale saliency refinement network)를 제안합니다. 이 네트워크는 고품질의 주요 영역 마스크와 주요 객체 윤곽을 생성합니다. 다중 스케일 조합 그룹핑(multiscale combinatorial grouping)과 MAP 기반 부분집합 최적화 프레임워크와 통합하면, 우리의 방법은 매우 유망한 주요 객체 인스턴스 분할 결과를 생성할 수 있습니다. 또한, 주요 인스턴스 분할에 대한 추가 연구 및 평가를 촉진하기 위해 1000장의 이미지와 픽셀 단위로 주요 인스턴스 어노테이션이 포함된 새로운 데이터베이스를 구축하였습니다. 실험 결과는 제안된 방법이 모든 공개 벤치마크에서 최고 수준의 성능을 달성하며, 특히 우리 새 데이터셋에서의 주요 인스턴스 분할에서도 우수한 성능을 보임을 입증하고 있습니다.