딥러닝 기반의 Semantic Segmentation을 위한 DeepLabv3+에서 강조 기법에 관한 연구 = A Study on Attention Mechanism in DeepLabv3+ for Deep Learning-based Semantic Segmentation

국문 초록 (Abstract)

본 논문에서는 정밀한 semantic segmentation을 위해 강조 기법을 활용한 DeepLabv3+ 기반의 인코더-디코더 모델을 제안하였다. DeepLabv3+는 딥러닝 기반 semantic segmentation 방법이며 자율주행 자동차, 적외선 이미지 분석 등의 응용 분야에서 주로 사용된다. 기존 DeepLabv3+는 디코더 부분에서 인코더의 중간 특징맵 활용이 적어 복원 과정에서 손실이 발생한다. 이러한 복원 손실은 분할 정확도를 감소시키는 문제를 초래한다. 따라서 제안하는 방법은 하나의 중간 특징맵을 추가로 활용하여 복원 손실을 최소화하였다. 또한, 추가 중간 특징맵을 효과적으로 활용하기 위해 작은 크기의 특징맵부터 계층적으로 융합하였다. 마지막으로, 디코더에 강조 기법을 적용하여 디코더의 중간 특징맵 융합 능력을 극대화하였다. 본 논문은 거리 영상 분할연구에 공통으로 사용되는 Cityscapes 데이터셋에서 제안하는 방법을 평가하였다. 실험 결과는 제안하는 방법이 기존 DeepLabv3+와 비교하여 향상된 분할 결과를 보였다. 이를 통해 제안하는 방법은 높은 정확도가 필요한 응용 분야에서 활용될 수 있다.

참고문헌 (Reference)

1 신석용, "딥러닝 기반의 Semantic Segmentation을 위한 Residual U-Net에 관한 연구" 한국디지털정책학회 19 (19): 251-257, 2021

2 F. Chollet, "Xception: Deep Learning with Depthwise Separable Convolutions" 1800-1807, 2017

3 O. Ronneberger, "U-Net: Convolutional Networks for Biomedical Image Segmentation" 9351 : 234-241, 2015

4 M. Cordts, "The Cityscapes Dataset for Semantic Urban Scene Understanding" 3213-3223, 2016

5 L. Chen, "Semantic Image Segmentation with Deep Convolutional Nets and Fully Connected CRFs"

6 Vijay Badrinarayanan, "SegNet: A Deep Convolutional Encoder-Decoder Architecture for Image Segmentation" Institute of Electrical and Electronics Engineers (IEEE) 39 (39): 2481-2495, 2017

7 L. Chen, "Rethinking Atrous Convolution for Semantic Image Segmentation"

8 S. Y. Shin, "Modified DeepLabV3+ for Semantic Segmentation based on Deep Learning" KCS 266-367, 2021

9 Seokyong Shin, "Improved YOLOv3 with duplex FPN for object detection based on deep learning" SAGE Publications 002072092098352-, 2021

10 Evan Shelhamer, "Fully Convolutional Networks for Semantic Segmentation" Institute of Electrical and Electronics Engineers (IEEE) 39 (39): 640-651, 2017

11 Evgenii Sovetkin, "Encoder–Decoder Semantic Segmentation Models for Electroluminescence Images of Thin-Film Photovoltaic Modules" Institute of Electrical and Electronics Engineers (IEEE) 11 (11): 444-452, 2021

12 L. C. Chen, "Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation" 34 (34): 833-851, 2018

13 Liang-Chieh Chen, "DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution, and Fully Connected CRFs" Institute of Electrical and Electronics Engineers (IEEE) 40 (40): 834-848, 2018

14 K. He, "Deep Residual Learning for Image Recognition" 2016

15 I. Loshchilov, "Decoupled Weight Decay Regularization" 2019

16 S. Estrada, "Competition vs. Concatenation in Skip Connections of Fully Convolutional Networks" Springer 214-222, 2018