Fully Convolutional Networks for Semantic Segmentation TermProject FNC

Fully Convolutional Networks for Semantic Segmentation Term_Project 과 목 명 : 머신러닝 이름 : 이태금

. 개요 FNC의 구조 Heatmap과 Upsampling Skip Connection Training 2

3

Heatmap과 Upsampling 11

03 Heatmap과 Upsampling Convolution 이란? • 32 stride Convolution이 32개 픽셀을 1개의 특징 맵 내 픽셀을 32개로 만드는 작업. Deconvolution 이란? • 32 stride Deconvolution이 1개의 특징 맵 내 픽셀을 32개로 다시 늘려 놓는 작업. 13

Skip Connection 14

04 Skip Connection 기법 : 원본 이미지를 여러 Convolution과 Pooling Layer들을 거쳐 해상도를 낮추 고 Heatmap 만듬. ① Pool 5에서 픽셀 단위로 예측한 prediction map을 32 stride로 deconvolution해 FCN-32 s 결과 출력. ② Pool 5를 거친 prediction map에 Bilinear Interpolation(쌍선형 보간)을 적용하여 해상도를 두배로 늘려 최기화한 2 x Upsample레이어를 생성. ③ Pool 4에서 픽셀 단위로 예측한 prediction map를 구한다. ④ ②에서 만든 2 x Upsampled map의 prediction map과 ③에서 구한 pool 4 레이어의 prediction map 을 더해서 단일 prediction map을 생성한다. 16

Training 18

Thank you