배경
이미지 라벨만 쓰는 약지도 의미 분할은 주석 비용이 가장 낮습니다. 픽셀 단위 주석에 239초가 걸리는 데 비해 이미지 라벨은 20초면 됩니다.
기존 기술의 한계
두 가지 오류가 동시에 나타납니다. 큰 물체는 일부만 잡히는 미검출, 작은 물체는 과하게 활성화되어 경계를 벗어나는 오검출입니다. 기존 후처리 기법은 한쪽을 줄이면 다른 쪽이 늘어나 두 오류를 함께 줄이지 못했습니다.
접근
두 오류를 번갈아 줄여 나가며 둘이 모두 최소가 되는 지점을 찾는 재귀 학습 RecurSeed를 제안했습니다. 여기에 물체 경계 정보로 예측 결과를 섞는 데이터 증강 EdgePredictMix를 더했습니다.
동작 방식
RecurSeed는 마스크 정제 결과를 다시 네트워크에 되먹이는 재귀 구조로, 후처리 단계에 머물던 고차 상관 정보를 학습 과정 안으로 옮깁니다. EdgePredictMix는 픽셀별 절대 확률과 상대 확률 차이를 함께 써서 예측 마스크의 경계를 다듬은 뒤 이미지를 섞어, 경계가 불분명한 마스크로 증강할 때 생기는 모호함을 줄입니다.
성과
PASCAL VOC 2012 검증 74.4%, MS COCO 2014 검증 46.4%로 두 벤치마크에서 당시 최고 성능을 기록했습니다. 이 기술로 2022년 신기술(NET) 인증을 받았습니다.