초록
이 연구에서는 딥 뉴럴 네트워크를 엔드투엔드 이미지 픽셀 클러스터링을 수행하도록 훈련시키기 위한 새로운 학습 목표를 제안하였습니다. 우리는 이 접근법을 이미지 의미 분할과 객체 검출의 교차점에 있는 인스턴스 분할에 적용하였습니다. 우리는 인스턴스 라벨링의 가장 기본적인 속성인 픽셀 간의 쌍별 관계를 감독 정보로 사용하여 학습 목표를 정식화한 후, 이를 활용하여 픽셀 단위 클러스터링을 수행하도록 완전히 컨볼루셔널 네트워크(FCN)를 훈련시켰습니다. 이렇게 형성된 클러스터는 직접적으로 인스턴스 라벨링으로 사용될 수 있습니다. 무제한 수의 인스턴스 라벨링을 지원하기 위해, 우리는 그래프 색칠 이론에서 아이디어를 도입하여 제안된 학습 목표에 반영하였습니다. Cityscapes 데이터셋에서의 평가는 강력한 성능을 입증하였으며, 이로써 개념의 타당성이 증명되었습니다. 또한, 우리의 접근법은 2017 CVPR 자율 주행 도전 대회에서 차선 검출 경진대회에서 2등을 차지하였으며, 외부 데이터를 사용하지 않은 상태에서도 최고의 성능을 보였습니다.