초록
U-Net 아키텍처와 그 변형들은 지난 10년 동안 망막 혈관 분할에서 최고 수준(SOTA)의 성능을 유지해 왔습니다. 본 연구에서는 현대화된 합성곱 블록을 사용하여 전체 스케일 정보를 추출하고, 안내 합성곱 블록이 해당 정보를 정제하는 Full Scale Guided Network(FSG-Net)를 소개합니다. 안내 필터는 비선예 마스크 필터처럼 작동한다는 해석 하에 주의력 안내 필터가 도입되었습니다. 전체 스케일 정보를 주의력 블록으로 전달하면 개선된 주의력 맵 생성이 가능하며, 이는 다시 주의력 안내 필터로 전달되어 분할 네트워크의 성능 향상에 기여합니다. 안내 합성곱 블록 앞의 구조는 어떤 U-Net 변형으로도 대체될 수 있어 제안된 접근 방식의 확장성을 향상시킵니다. 공정한 비교를 위해, 우리는 공개 저장소에서 최근 연구들을 재구현하여 그 확장성과 재현성을 평가했습니다. 우리의 실험 결과는 제안된 네트워크가 다양한 공개 데이터셋에서 현재 SOTA 모델들과 경쟁력을 갖춘 결과를 보임을 확인하였습니다. 축소 연구(Ablation studies)는 제안된 모델이 훨씬 더 작은 매개변수 크기에서도 경쟁력을 갖춤을 입증하였습니다. 마지막으로, 제안된 모델을 얼굴 주름 분할에 적용함으로써 다른 영역에서 유사한 작업으로의 확장 가능성도 확인하였습니다. 우리의 코드는 https://github.com/ZombaSY/FSG-Net-pytorch 에서 제공됩니다.