보통 객체 검출(Object Detection) 이나 객체 분류(Classification)은 객체의 존재 여부(Objectness)를 중요시 여기기 때문에 Object-centric 하며, 성능을 보장하기 위해서는 여러 단계의 Conv + Pooling 을 거쳐 영상 속에 존재 하지만 변화에는 영향을 덜 받는 강인한 특징만을 추출해야한다. 그렇기 때문에 객체 검출이나 분류 문제에서는 Detail 한 특징 보다는 Global 한 특징에 집중하는 것이 중요하다. 하지만, Object Segmenation 분야에서는 픽셀 단위의 조밀한 예측이 필요한데, 객체 분류를 위한 신경망을 사용하게 되면 계속 특징 맵의 크기가 줄어들기 때문에 Detail 한 특징 정보를 얻기 어려워진다. 그래서 이러한 Detail 을..

You Only Look At CoefficienTs 이번 ICCV 2019 에 발표된 YOLACT 논문이다. 파이토치로 구현되어있다. https://github.com/dbolya/yolact Abstract YOLACT 는 Instance Segmentation 를 수행하기 위해 단순한 컨볼루션 모델을 제시한다. 이는 MS COCO 기준 29.8 mAP 및 33.5 fps 를 달성하여 실시간으로 객체를 탐지할 수 있다. 처음엔 프로토타입 마스크 세트를 생성하고, 인스턴스 별 마스크 계수(coefficient)를 예측한다. 그 다음 프로토타입을 마스크계수와 선형으로 결합하여 인스턴스 마스크를 생성하게 된다. 이 프로세스는 repooling에 의존하지 않기 때문에 고품질의 마스크를 생성할 수 있다고 한다..

출처 : https://github.com/tkwoo/segmentation-visualization-training tkwoo/visualization-segmentation-process Segmentation visualization, keras, augmentation, fine tuning - tkwoo/visualization-segmentation-process github.com 텐서플로우와 케라스를 이용하여 Image Segmentation 하는 과정을 시각적으로 확인해보기

출처 : Image Segmentation using deconvolution layer in Tensorflow cv-tricks.com/image-segmentation/transpose-convolution-in-tensorflow/ Image Segmentation using deconvolution layer in Tensorflow - CV-Tricks.com This post is about how to write a deconvolutional/upsampling layer in tensorflow. cv-tricks.com Why is deconvolutional layer so important? Image segmentation is just one of the many use cas..