초록
본 논문은 이미지 레벨 클래스 라벨을 감독으로 사용하여 인스턴스 분할을 학습하는 새로운 접근 방식을 제시합니다. 본 연구에서 제안한 접근 방식은 훈련 이미지의 가상 인스턴스 분할 라벨을 생성하여 이를 통해 완전히 감독된 모델을 훈련시킵니다. 가상 라벨 생성을 위해 먼저 이미지 분류 모델의 어텐션 맵에서 객체 클래스의 신뢰할 수 있는 시드 영역을 식별하고, 이를 전파하여 정확한 경계를 갖는 전체 인스턴스 영역을 발견합니다. 이를 위해 우리는 개별 인스턴스의 대략적인 영역을 추정하고 서로 다른 객체 클래스 간의 경계를 검출하는 IRNet(Inter-pixel Relation Network)를 제안합니다. 이 방법은 시드에 인스턴스 라벨을 할당하고, 경계 내에서 이를 전파하여 전체 인스턴스 영역을 정확하게 추정할 수 있게 합니다. 또한, IRNet은 어텐션 맵 상의 픽셀 간 관계를 이용해 훈련되므로 추가적인 감독이 필요하지 않습니다. 본 연구에서 제안한 IRNet 기반 방법은 PASCAL VOC 2012 데이터셋에서 뛰어난 성능을 보여주며, 같은 수준의 감독으로 훈련된 이전 최고 성능 모델뿐만 아니라 더 강력한 감독에 의존하는 일부 이전 모델보다도 우수한 결과를 얻었습니다.