한국정보처리학회:학술대회논문집 (Annual Conference of KIPS)

한국정보처리학회 (Korea Information Processing Society)
권호 표지

동적 가중치 조정을 이용한 경계 민감 객체 분할에 관한 연구

A Study on Boundary-Sensitive Object Segmentation using Dynamic Weight Adjustment

  • 나유경 (전남대학교 인공지능융합학과 ) ;
  • 조영준 (전남대학교 인공지능융합학과 )
  • You-Kyoung Na (Dept. of Artificial Intelligence Convergence, Chonnam National University) ;
  • Yeong-Jun Cho (Dept. of Artificial Intelligence Convergence, Chonnam National University)
  • 발행 : 2024.10.31
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

객체 분할은 컴퓨터 비전의 핵심 과제이나 정확한 경계 검출은 여전히 도전과제로 남아있다. 이를 해결하기 위해, 최근 몇 년 동안, 경계 기반의 평가 지표가 제안되었으나, 대부분의 경계 기반 지표들은 경계만을 고려하고 내부 영역은 간과하며, 경계의 범위 및 강도를 설정하는 파라미터가 휴리스틱하다는 문제점이 존재한다. 본 논문에서는 경계에 강건한 객체 분할을 위한 Adaptive wIoU를 제안한다. 이 방법은 wIoU의 개념을 확장하여 다중 알파 값을 도입하고, 동적 가중치 조정 메커니즘을 통해 이러한 알파 값에 대한 가중치를 학습 과정에서 자동으로 최적화한다. Adaptive wIoU는 다양한 경계 복잡성에 적응적으로 대응하여 기존 IoU와 wIoU의 한계를 극복한다. 실험을 통해 Adaptive wIoU가 COCO 데이터셋에서 우수한 성능을 보이는 것을 입증하였다. 이 연구는 객체 분할에 대한 새로운 통찰을 제시하며, 객체 분할 작업에서 경계 검출을 개선하기 위한 방향을 제시한다.

키워드

과제정보

본 연구는 과학기술정보통신부 및 정보통신기획평가원의 인공지능융합혁신인재양성사업 (IITP-2023-RS-2023-00256629) 및 대학ICT연구센터사업(IITP-2024-RS-2024-00437718)의 연구결과로 수행되었음.

참고문헌

  1. Ronneberger, et al. "U-net: Convolutional networks for biomedical image segmentation." MICCAI 2015: 18th international conference, Munich, Germany, October 5-9, 2015, proceedings, part III 18. Springer International Publishing, 2015.
  2. Chen, Liang-Chieh. "Rethinking atrous convolution for semantic image segmentation." arXiv preprint arXiv:1706.05587 (2017).
  3. Cheng, Bowen, et al. "Boundary IoU: Improving object-centric image segmentation evaluation." Proceedings of the IEEE/CVF conference on computer vision and pattern recognition. 2021.
  4. Martin, et al. "Learning to detect natural image boundaries using local brightness, color, and texture cues." IEEE transactions on pattern analysis and machine intelligence 26.5 (2004): 530-549.
  5. Cho, Yeong-Jun. "Weighted intersection over union (wIoU): a new evaluation metric for image segmentation." arXiv preprint arXiv:2107.09858 (2021). 2107