초록
딥러닝은 컴퓨터 비전, 특히 의미 분할(semanic segmentation) 분야에서 혁명적인 역할을 해왔습니다. 베이지안 딥러닝(Bayesian Deep Learning, BDL)은 딥 모델이 의미 클래스를 예측할 때 불확실성 맵(uncertainty maps)을 얻는 데 사용됩니다. 이 정보는 자율 주행과 같은 분야에서 의미 분할을 사용할 때 매우 중요합니다. 표준 의미 분할 시스템에는 잘 정립된 평가 지표가 있습니다. 그러나 컴퓨터 비전에서 BDL의 인기가 증가함에 따라, 한 방법이 다른 방법보다 더 나은 불확실성 추정치를 생성하는지를 평가하기 위한 새로운 지표가 필요해졌습니다. 본 연구에서는 의미 분할 작업에 특화된 BDL 모델을 평가하기 위해 세 가지 지표를 제안합니다. 우리는 최신 딥 신경망 중 하나인 DeepLab-v3+를 수정하여 MC 드롭아웃(MC dropout)과 콘크리트 드롭아웃(Concrete dropout)을 추론 기법으로 사용하여 그 베이지안 대응체를 생성했습니다. 그런 다음 제안한 지표를 사용하여 잘 알려진 Cityscapes 데이터셋에서 이 두 가지 추론 기법을 비교하고 테스트했습니다. 우리의 결과는 연구자들이 안전한 의미 분할을 위해 개선된 불확실성 측정값을 비교하고 평가하는 데 필요한 새로운 기준(benchmarks)을 제공합니다.