17일 전

CondNet: 장면 분할을 위한 조건부 분류기

Changqian Yu, Yuanjie Shao, Changxin Gao, Nong Sang
CondNet: 장면 분할을 위한 조건부 분류기
초록

전체 컨볼루션 네트워크(FCN)는 장면 세그멘테이션과 같은 밀도 높은 시각 인식 작업에서 막대한 성공을 거두었다. 일반적으로 FCN의 마지막 계층은 각 픽셀을 의미 레이블로 인식하기 위한 전역 분류기(1×1 컨볼루션)로 구성된다. 본 연구에서는 이러한 전역 분류기가 클래스 내 차이를 무시한다는 점을 실증적으로 제시하며, 이로 인해 최적의 성능을 달성하기 어려울 수 있음을 보여준다.이 논문에서는 입력에 따라 동적으로 커널이 생성되는 조건부 분류기를 제안하여 기존의 전역 분류기를 대체한다. 새로운 분류기의 주요 장점은 다음과 같다: (i) 클래스 내 차이에 주목함으로써 더 강력한 밀집 인식 능력을 제공한다; (ii) 조건부 분류기는 간단하고 유연하여 거의 모든 종류의 FCN 아키텍처에 쉽게 통합될 수 있으며 예측 성능을 향상시킬 수 있다. 광범위한 실험을 통해 제안하는 조건부 분류기가 기존의 전역 분류기보다 우수한 성능을 보임을 입증하였다. 조건부 분류기를 탑재한 프레임워크(이를 CondNet이라 명명)는 두 개의 데이터셋에서 새로운 최고 성능(SOTA)을 달성하였다. 코드 및 모델은 https://git.io/CondNet에서 제공된다.

CondNet: 장면 분할을 위한 조건부 분류기 | 최신 연구 논문 | HyperAI초신경