MASNet: 강건한 딥 마린 동물 세그멘테이션 네트워크

해양 동물 연구는 인간에게 매우 중요한 의의를 가지며, 다양한 연구 분야에서 핵심적인 역할을 한다. 이미지 처리를 통해 이러한 해양 동물을 식별하는 것은 도전적인 과제이며, 이는 해양 동물 세분화(Marine Animal Segmentation, MAS)로 이어진다. 비록 딥 신경망이 객체 세분화에 널리 활용되고 있지만, 대부분의 기법들은 수중 환경의 복잡한 촬영 조건과 해양 동물의 기생적 특성(은폐 성질)을 고려하지 못하고 있다. 이를 해결하기 위해 본 논문에서는 강건한 딥 해양 동물 세분화 네트워크를 제안한다. 구체적으로, 원본 객체의 품질 저하 및 은폐 특성을 무작위로 변경하는 새로운 데이터 증강 전략을 설계하였다. 이러한 증강을 통해 시아메스(Siamese) 구조를 기반으로 한 복합 기반 딥 신경망을 학습시켜 공유된 의미적 표현을 학습하도록 한다. 또한, 광범위한 실험을 수행하기 위해 새로운 대규모 실세계 MAS 데이터셋을 구축하였다. 이 데이터셋은 다양한 수중 환경과 객체를 포함한 3,000장 이상의 이미지로 구성되며, 각 이미지는 개체 수준의 마스크로 레이블링되고 특정 카테고리에 할당된다. 광범위한 실험 결과를 통해 제안하는 방법이 12개의 최첨단 기법보다 품질과 정량적 성능 측면에서 뚜렷하게 우수함을 입증하였다.