조건부 무작위장을 사용한세그넷의 시맨틱 영상 분할 성능향상 (Improving the Semantic Image Segmentation Performance of SegNet Using Conditional Random Fields)

서지정보

· 발행기관 : 한국통신학회
· 수록지 정보 : 한국통신학회논문지 / 43권 / 3호 / 519 ~ 521페이지
· 저자명 : 김윤형, 은현준, 정찬호, 김창익

초록

본 논문에서는 CRF를 이용한 SegNet의 시맨틱 영상 분할 성능 향상 방법을 제안한다. 심층 합성곱 신경망 구조로 이루어진 SegNet은 특징 맵에 대한 반복적인 스케일링을 수반하기 때문에 영상 분할 결과의 선명도가 낮다. CRF 알고리즘은 원본 영상의 구조 및 질감 패턴에 따라 SegNet의 분할 결과를 보간함으로써 선명도 및 정확도를 개선한다. CamVid 데이터 셋에 대해 성능 비교 평가를 수행하였으며, 제안하는 방법이 더 높은 성능을 가짐을 보였다. 본 연구는 시맨틱 영상 분할 방법 개선에 실질적인 도움이될 것으로 판단된다.

영어초록

In this paper, we propose a method to enhance the semantic segmentation performance of SegNet by using Conditional Random Fields (CRFs). As a deep convolutional neural network architecture, SegNet involves multiple scaling operations of feature maps, degrading the output sharpness. The SegNet results can be improved by using CRFs which interpolate output labels based on structures and textures of original images. We use the CamVid dataset to conduct performance evaluations. The proposed method achieves the higher performance than the original SegNet approach. We believe that this study guides for improving semantic segmentation.

참고자료

· 없음