초록
최근 의미 분할(sementic segmentation) 분야의 발전은 완전 컨벌루션 네트워크(Fully Convolutional Networks, FCNs)에서 공간 해상도를 개선함으로써 이루어졌습니다. 이 문제를 해결하기 위해 우리는 의미 분할을 위한 스택형 디컨벌루션 네트워크(Stacked Deconvolutional Network, SDN)를 제안합니다. SDN에서는 여러 개의 얕은 디컨벌루션 네트워크, 즉 SDN 유닛들이 차례로 쌓여 문맥 정보를 통합하고 정확한 위치 정보 복원을 보장합니다. 또한, 유닛 간(inter-unit) 및 유닛 내(intra-unit) 연결이 설계되어 네트워크 학습을 지원하고 특징 융합을 강화합니다. 이러한 연결들은 정보 흐름과 그래디언트 전파를 개선하여 네트워크 전체에 걸쳐 효과적입니다. 더불어 각 SDN 유닛의 업샘플링 과정에서 계층적 감독(hierarchical supervision)이 적용되며, 이는 특징 표현의 구별력을 보장하고 네트워크 최적화에 도움을 줍니다. 우리는 포괄적인 실험을 수행하여 PASCAL VOC 2012, CamVid, GATECH 세 데이터셋에서 새로운 최고 수준의 결과를 달성했습니다. 특히, CRF 후처리 없이도 우리의 최고 모델은 테스트 세트에서 86.6%의 교집합 비율(intersection-over-union score)을 기록했습니다.