EGNet: 주목할 만한 객체 탐지를 위한 에지 가이던스 네트워크

전체 컨볼루션 신경망(FCNs)은 주목할 만한 객체 탐지 작업에서 그 장점을 입증해왔다. 그러나 기존의 대부분의 FCN 기반 방법은 여전히 객체 경계가 떨어져 있는 문제를 겪고 있다. 본 논문에서는 이러한 문제를 해결하기 위해, 주목할 만한 경계 정보와 주목할 만한 객체 정보 간의 보완성에 초점을 맞춘다. 이를 바탕으로, 단일 네트워크 내에서 이러한 두 가지 보완적인 정보를 동시에 모델링할 수 있도록 세 단계로 구성된 경계 안내 네트워크(EGNet)를 제안한다. 첫 번째 단계에서는 점진적 융합 방식을 통해 주목할 만한 객체 특징을 추출한다. 두 번째 단계에서는 국부적 경계 정보와 전역 위치 정보를 통합하여 주목할 만한 경계 특징을 얻는다. 마지막으로, 이러한 보완적인 특징을 효과적으로 활용하기 위해 다양한 해상도에서 동일한 주목할 만한 경계 특징과 주목할 만한 객체 특징을 결합한다. 주목할 만한 경계 특징 내에 풍부한 경계 정보와 위치 정보가 포함되어 있음에 따라, 융합된 특징은 특히 객체 경계를 더 정확하게 위치시키는 데 기여한다. 실험 결과, 본 연구에서 제안한 방법은 사전 처리나 사후 처리 없이도 널리 사용되는 여섯 가지 데이터셋에서 최첨단 기법들과 경쟁적으로 우수한 성능을 보였다. 소스 코드는 http://mmcheng.net/egnet/ 에서 제공된다.