semantic image segmentation을 위한 atrous convolution에 대한 재고찰

이 연구에서는 시맨틱 이미지 세그멘테이션에 적용되는 강력한 도구인 아트루스 컨볼루션을 재검토합니다. 딥 컨볼루셔널 신경망(DCNN)에서 필터의 시야각을 명시적으로 조정하고 특징 응답의 해상도를 제어하는 데 사용됩니다. 다양한 크기의 객체를 세그멘테이션하는 문제를 해결하기 위해, 여러 아트루스 비율을 채택하여 다중 스케일 문맥을 포착할 수 있는 직렬 또는 병렬로 아트루스 컨볼루션을 사용하는 모듈들을 설계하였습니다. 또한, 이전에 제안한 다중 스케일에서 컨볼루셔널 특징을 탐색하는 아트루스 스페이셜 피라미드 풀링 모듈에 전역 문맥을 인코딩하는 이미지 레벨 특징을 추가하여 성능을 더욱 향상시키는 방법을 제안합니다. 우리는 구현 세부사항에 대해 자세히 설명하며, 시스템 학습 경험을 공유합니다. 제안된 'DeepLabv3' 시스템은 DenseCRF 후처리 없이 이전 DeepLab 버전들보다 크게 개선되었으며, PASCAL VOC 2012 시맨틱 이미지 세그멘테이션 벤치마크에서 다른 최신 모델들과 유사한 성능을 달성하였습니다.