개요

Fully Convolutional Network를 이해하고 semantic segmentation을 이해해보기

Base Network

그림에서 알 수 있듯이 FCN은 Convolution만을 수행하여 최종적으로 upsample(interpolation)한다.
따라서 출력의 semantic map의 해상도는 낮아진다.

개선

이전 정보를 더하여 정확도를 높이고 있습니다.

FC-32s
1열은 conv7의 결과를 32배 upsample하여 segmentation map을 얻는다.

FC-16s
2열은 conv7의 결과를 2배 upsample한 것과 pool4의 결과를 더해 16배 upsample하여 segmentation map을 얻는다.

FC-8s
세 번째 열은 conv7의 결과를 4배 upsample한 것과 pool4의 결과를 2배 upsample한 것과 pool3의 결과를 더한 것에 8배 upsample하여 segmentation map을 얻는다.

결과

그림에서 볼 수 있듯이 FC-32s->FC-16s->FC-8s가 됨에 따라 정밀도가 오르고 있는 것을 알 수 있다.

FCN의 특징은 Decord하지 않는 곳일까!

참고문헌

Fully Convolutional Networks for Semantic Segmentation
htps : // 아 rぃ v. rg / pdf / 1605. 06211. pdf
htps : // 기주 b. 이 m/w 켄타로/py와 rch-fcn/bぉb/까지 r/와 rchfcn/모두 ls/fc8s. py