fcn

카테고리 없음

FCN의 한계를 극복한 model 1 성능적인 측면에서의 극복

1. FCN의 한계점 1. 객체의 크기가 크거나 작은 경우 예측을 잘 하지 못하는 문제 • 큰 Object의 경우 지역적인 정보만으로 예측 • 버스의 앞 부분 범퍼는 버스로 예측하지만, 유리창에 비친 자전거를 보고 자전거로 인식하는 문제 발생하기도 함 • 같은 Object여도 다르게 labeling • 작은 Object가 무시되는 문제가 있음 2. Object의 디테일한 모습이 사라지는 문제 발생 • Deconvolution 절차가 간단해 경계를 학습하기 2. Decoder를 개선한 models 2.1 DeconvNet Architecture Decoder를 Encoder와 대칭으로 만든 형태 Unpooling vs Deconv Unpooling은 maxpooling의 핵심이되는 값의 위치 정보를 같이 ..

부스트캠프 AI Tech 2기/2기 CV P-Stage-Semantic Segmentation

Semantic Segmentation의 기초와 이해

1. 대표적인 딥러닝을 이용한 세그멘테이션 FCN 1.1 Abstract 1) VGG 네트워크 백본을 사용 (Backbone : feature extracting network) 2) VGG 네트워크의 FC Layer (nn.Linear)를 Convolution 으로 대체 3) Transposed Convolution을 이용해서 Pixel Wise prediction을 수행 1.2 Fully Connected Layer vs Convolution Layer 1) 위치정보 FC Layer는 각 픽셀의 위치정보를 해침 Conv Layer는 위치정보를 해치지 않은채로 특징 추출 이처럼 위치 정보가 변하지 않는것을 translation invariance라고한다. 2) 이미지 사이즈 nn.Linear는 heig..

모플로
'fcn' 태그의 글 목록