17일 전

세마틱 상관관계를 통한 형태 변형 컨텍스트를 통한 세그멘테이션

Henghui Ding, Xudong Jiang, Bing Shuai, Ai Qun Liu, Gang Wang
세마틱 상관관계를 통한 형태 변형 컨텍스트를 통한 세그멘테이션
초록

의미 분할에서 맥락은 필수적인 요소이다. 다양한 시나리오 이미지 내 객체의 형태가 다양하고 복잡한 레이아웃을 이루기 때문에, 각 객체에 대한 공간적 스케일과 맥락의 형태는 매우 큰 차이를 보인다. 따라서 사전에 정해진 고정된 영역에서 다양한 맥락 정보를 통합하는 것은 효과적이거나 효율적이지 못하다. 본 연구에서는 각 픽셀에 대해 스케일과 형태가 변하는 의미 맵을 생성하여 해당 픽셀의 맥락 영역을 제한하는 방법을 제안한다. 이를 위해 먼저, 쌍의 의미적 상관관계를 추론하고, 이를 바탕으로 형태 마스크를 생성하는 새로운 쌍형 컨볼루션을 제안한다. 추론된 맥락 영역의 공간적 범위를 이용해, 입력의 외형에 따라 변화하는 형태 마스크에 의해 수용 영역이 조절되는 형태 변형 컨볼루션을 제안한다. 이를 통해 제안된 네트워크는 고정된 사전 정의 영역이 아닌, 의미적으로 관련된 영역에서 픽셀의 맥락 정보를 통합하게 된다. 더불어 본 연구는 저수준 특징에서 발생하는 노이즈로 인한 잘못된 예측을 줄이기 위해 레이블 노이즈 제거 모델을 제안한다. 복잡한 기법 없이도, 제안된 분할 네트워크는 여섯 개의 공개 분할 데이터셋에서 일관되게 새로운 최고 성능을 달성하였다.