Fully Convolutional Networks for Semantic Segmentation

초록

- 합성곱 신경망은 계층화된 특징들을 구하는데 유용한 시각 모델임.

- end-to-end로 학습되고, 픽셀 대 픽셀로 최신 시멘틱 세그먼테이션을 능가하는 합성곱 신경망을 소개합니다.

- 우리 연구의 핵심은 완전 합성곱 신경망 fully convolutional network를 만든 것으로 일정 크기의 입력을 받아 추론과 학습에 효율적인 크기의 출력을 만들어 냅니다.

- 그리고 현세대의 분류 신경망인 AlexNet, VGG net, GoogleNet을 완전 연결 신경망에 적용하고, 세그먼테이션 작업에 맞게 미세 조정하여 학습된 표현들을 전이시키겠습니다.

- 심층, 거친 레이어에서의 시멘틱 정보와, 얕고 미세한 레이어로부터 얻은 외양 정보를 결합하여 정확하고, 세밀한 세그먼테이션을 구하는 새로운 아키텍처를 정의하였습니다.

- 우리의 완전 연결 합성곱 신경망은 PASCAL VOC 세그먼테이션에서 뛰어난 성능을 보였으며 2012년 62.2% mean IU와 비교하여 20%정도 성능 향상이 있었습니다.