자동 초점 층을 이용한 의미 분할

우리는 다중 스케일 처리를 위한 신경망의 성능을 향상시키는 목표로 자동 초점 컨볼루션 레이어를 제안합니다. 자동 초점 레이어는 처리된 맥락에 따라 효과적인 수용 필드의 크기를 적응적으로 변경하여 더 강력한 특성을 생성합니다. 이는 다양한 확장률을 가진 여러 컨볼루션 레이어를 병렬화하고, 맥락에 의해 최적 스케일에 집중하도록 학습하는 주의 메커니즘으로 결합함으로써 이루어집니다. 병렬 컨볼루션의 가중치를 공유함으로써 우리는 네트워크를 스케일 불변으로 만들며, 매개변수의 수가 소폭 증가할 뿐입니다. 제안된 자동 초점 레이어는 기존 네트워크에 쉽게 통합되어 모델의 표현력을 개선할 수 있습니다. 우리는 골반부 CT에서의 다기관 분할과 MRI에서의 뇌 종양 분할이라는 어려운 작업에서 우리의 모델을 평가하였으며, 매우 유망한 성능을 달성하였습니다.