깊은 커뮤니티 학습을 이용한 약간 감독된 인스턴스 분할

우리는 다중 작업을 활용한 딥 커뮤니티 학습 기반의 약간 감독된 인스턴스 분할 알고리즘을 제시합니다. 이 작업은 약간 감독된 객체 검출과 의미 분할의 조합으로 정식화되며, 동일 클래스의 개별 객체를 별도로 식별하고 분할합니다. 우리는 이 문제를 해결하기 위해 객체 검출(바운딩 박스 회귀 포함), 인스턴스 마스크 생성, 인스턴스 분할, 그리고 특성 추출 사이에 긍정적인 피드백 루프를 갖는 통합된 딥 신경망 아키텍처를 설계하였습니다. 네트워크의 각 구성 요소는 다른 구성 요소와 활발히 상호 작용하여 정확성을 향상시키고, 모델의 엔드투엔드 학습 가능성이 우리의 결과를 더욱 강건하고 재현 가능하게 만듭니다. 제안된 알고리즘은 Fast R-CNN 및 Mask R-CNN과 같은 추가적인 학습 없이 표준 벤치마크 데이터셋에서 약간 감독된 환경에서 최고 수준의 성능을 달성하였습니다. 우리 알고리즘의 구현은 프로젝트 웹페이지에서 제공됩니다: https://cv.snu.ac.kr/research/WSIS_CL.