Skip to content

Latest commit

 

History

History
140 lines (64 loc) · 5.41 KB

2015fully-convolutional-network.md

File metadata and controls

140 lines (64 loc) · 5.41 KB
논문명 Fully Convolutional Networks for Semantic Segmentation
저자(소속) Jonathan Long, Evan Shelhamer*, and Trevor Darrell(버클리)
학회/년도 CVPR 2015, 논문
키워드
참고 모연, 리뷰, PR100
코드 caffe, pyTorch

FCN

Fully Convolutional Network $$\ne$$ Fully Connected Network

1. 개요

Semantic segmentation은 영상속에 무엇(what)이 있는지를 확인하는 것(semantic)뿐만 아니라 어느 위치(where)에 있는지(location)까지 정확하게 파악을 해줘야 한다.

1.1 문제 정의

Classification 기반 망을 semantic segmentation에 적용할 때의 문제점

A. conv+pooling 문제

  • Classification 망 : 대상의 존재 여부에 집중, conv+pooling을 통해 강한 Feature들 추출 목적, detail보다는 global한 것에 집중

    • 강한 Feature : 많은 변화(conv+pooling)에 영향을 받지 않는 공간적인 불변성(spatial invariance)

  • semantic segmentation 망 : 픽셀 단위의 조밀한 예측이 필요, 분류망은 pooling등을 통해 feature-map의 크기가 줄어들기 때문에 detail 정보를 얻는데 어려움

B. fully connected layer 문제

  • 기존 Classification 네트워크 (AlexNet, VGGNet, GoogLeNet)는 마지막에 분류를 위해 fully connected layer 사용

  • fully connected layer를 사용하면 분류는 되지만 위치 정보가 사라진다.

  • segmentation에서 사용 불가

FCN에서는 B. fully connected layer 문제문제에 집중

1.2 해결책

  • 기본 아이디어 : fully connected layer를 1x1 convolution으로 간주(convolutionization)

위치 정보가 남아 있기 때문에 오른쪽의 heatmap 그림에서 알 수 있는 것처럼, 고양이에 해당하는 위치의 score 값들이 높은 값으로 나오게 된다

위치는 알수 있는데 그럼 분류를 못하는 것인가???

1.3 장점

  • 위치 정보 유지

  • 입력 이미지 제약 없음

    • 입력 이미지 제약은 fully connected layer에 맞추기 위해서 존재 하였음
    • 모든 network가 convolutional network으로 구성이 되기 때문에 더 이상 입력 이미지의 크기 제한을 받지 않게 된다

  • 속도 증가

    • patch 단위로 영상을 처리하는 것이 아니라, 전체 영상을 한꺼번에 처리를 할 수 있어서 겹치는 부분에 대한 연산 절감 효과를 얻을 수 있게 되어, 속도가 빨라지게 된다
    • eg. Fast R-CNN이나 Faster R-CNN에서 이 아이디어 활용

1.4 문제점

그런데 여러 단계의 (convolution + pooling)을 거치게 되면, feature-map의 크기가 줄어들게 된다.

픽셀 단위로 예측(1x1 convolution)을 하려면, 줄어든 feature-map의 결과를 다시 키우는 과정(Upsampling/Deconvolution)을 거쳐야 한다.

2. Upsampling 하는 방법 (가능한 손실을 보정 하면서 )

2.1 가장 간단한 방법 : bilinear interpolation

bilinear interpolation : 두 점사이의 값을 추정 하는것 [참고]

하지만 end-to-end 학습의 관점에서는 고정된 값을 사용하는 것이 아니라 학습을 통해서 결정하는 편이 좋다. 논문에서는 backward convolution, 즉 deconvolution을 사용하며, deconvolution에 사용하는 필터의 계수는 학습을 통해서 결정이 되도록 하였다. 이렇게 되면, 경우에 따라서 bilinear 한 필터를 학습할 수도 있고 non-linear upsampling도 가능하게 된다.

2.2 제안 방법 : Skip layer

기본 개념: (convolution + pooling)의 과정을 여러 단계를 거치면서 feature-map의 크기가 너무 작아지면 detail한 부분이 많이 사라지게 되기 때문에 최종 과정보다 앞선 결과를 사용하여 detail을 보강하자는 것이다.

  • 최종 과정 : 1/32크기의 feature(즉 score)
  • 앞선 결과 : 1/16과 1/8크기의 feature(즉 score)

논문에서는 이를 deep jet라 부름, 이전 layer는 마지막 layer보다 세밀한 feature를 갖고 있기 때문에 이것을 합하면 보다 정교한 예측이 가능

앞선 결과(1/16과 1/8크기)를 이용할수 있는 방법 : 이후 작업을 수행 하지 않고 빼놓음

  • "skip layer" 혹은 "skip connection라고 부름

  • FCN-32s : 1/32에서 32배만큼 upsample한 결과
  • FCN-16s : pool5의 결과를 2배 upsample한 것과 pool4의 결과를 합치고 다시 그 결과를 16배 upsample하면 되고,
  • FCN-8s : FCN-16s의 중간 결과를 2배 upsample한 결과와 pool3에서의 예측을 합친 것을 8배 upsample 하는 식이다. ​
FCN-8s 상세
  • 실제로 FCN의 결과는 주로 FCN-8s의 결과를 사용

2.3 기타 방법

  • shift-and-stitch 방식

  • Deconvolutional 방식 : Unpooling + Deconvolution 수행

  • Dilated convolution 방식 : pool4,5는 제거 + Conv 4,5를 Dilated Convolution으로 변경