초록
넓은 잔차 네트워크(Wide-ResNets)는 소수의 잔차 블록을 큰 채널 크기로 쌓아 구성된 얕지만 넓은 구조의 잔차 네트워크(ResNets)의 변종으로, 다양한 밀집 예측 작업에서 뛰어난 성능을 보여왔다. 그러나 도입된 이후 최근 몇 년간 Wide-ResNet 아키텍처는 거의 진화하지 못했다. 본 연구에서는 최근의 도전적인 팔레오틱 세그멘테이션(panoptic segmentation) 작업을 위해 이 아키텍처 설계를 재검토한다. 팔레오틱 세그멘테이션은 의미 세그멘테이션과 인스턴스 세그멘테이션을 통합하는 것을 목표로 한다. Wide-ResNets에 간단하면서도 효과적인 Squeeze-and-Excitation과 Switchable Atrous Convolution을 도입하여 기준 모델을 구축하였다. 이후 네트워크 용량을 너비(즉, 채널 크기)와 깊이(즉, 층 수)를 조정함으로써 확장하거나 축소하여, SWideRNets(Scaling Wide Residual Networks의 약자)라는 모델 패밀리가 도출되었다. 본 연구에서는 이러한 간단한 스케일링 전략과 그리드 서치를 결합함으로써, 빠른 모델 체제와 강력한 모델 체제 모두에서 팔레오틱 세그멘테이션 데이터셋에서 최신 기준 성능을 크게 향상시킨 여러 SWideRNets 모델을 발견함을 보여준다.