13일 전

지역 대비를 통한 세그멘테이션의 부트스트래핑

Shikun Liu, Shuaifeng Zhi, Edward Johns, Andrew J. Davison
지역 대비를 통한 세그멘테이션의 부트스트래핑
초록

우리는 의미 분할(semantic segmentation) 학습을 지원하기 위해 지역 수준에서 설계된 대조 학습 프레임워크인 ReCo를 제안한다. ReCo는 메모리 사용량을 최소화하면서도 희소한 하드 네거티브(hard negative) 픽셀 집합에 대해 반감독 또는 감독 형태의 픽셀 수준 대조 학습을 수행한다. ReCo는 상용 의미 분할 네트워크 위에 구축되어 구현이 간편하며, 반감독 및 감독 학습 모두에서 일관되게 성능을 향상시켜 더 부드러운 분할 경계와 더 빠른 수렴 속도를 달성한다. 특히 레이블이 매우 적은 반감독 학습에서 가장 두드러진 효과를 보인다. ReCo를 활용함으로써 각 의미 클래스에 단 5개의 예시만으로도 고품질의 의미 분할 모델을 구축할 수 있다. 코드는 https://github.com/lorenmt/reco 에서 공개되어 있다.